MAD-TD：模型增强数据稳定高更新比强化学习

该研究解决了使用有限样本时深度强化学习中的不稳定性问题。通过引入模型增强数据的方法，直接利用从学习的世界模型生成的数据来稳定高更新比的训练过程，从而在DeepMind控制套件中实现竞争性能。研究表明，良好模型在数据生成中的重要性，以及MAD-TD在价值过度估计方面的对抗能力和持续学习的实际稳定性收益。