通过因果结构学习提升模型基础强化学习中的自我赋权

本研究针对模型基础强化学习中的控制有效性不足的问题，提出了“因果学习中的自我赋权”框架（ECL），强调因果结构与自我赋权的结合，能够提升智能体的环境控制能力。研究发现，ECL在探索中优化因果结构，显著提高了任务学习的样本效率与最终表现，优于其他因果强化学习方法。