编写特定量子硬件的量子电路是具有挑战性的任务，为了充分利用有限的资源，可以使用强化学习（RL）来优化编译过程。qgym是一个从OpenAI Gym派生的软件框架，专门针对量子编译的环境。它可用于训练和测试RL代理和算法。

SoNIC是一种结合了自适应符合推断和约束强化学习的算法，用于增强强化学习策略的安全性，避免与行人碰撞。该方法通过引入非符合度分数和安全约束，为机器人提供明确的引导，避免进入安全风险区域。SoNIC在安全性和社会规范方面表现出更高性能，并具有更强的鲁棒性。

本文介绍了SMART，一个用于多机器人强化学习的仿真平台，包含仿真环境和真实多机器人系统，提供多样化的交互场景进行训练，并支持基于插件的算法实现。开源仿真环境、基准测试任务和基线模型，推动多机器人强化学习研究。

本文提出了一种自适应方法来触发未纠正错误的缓解，通过预测方法考虑了未纠正错误的可能性和当前潜在成本。在 MareNostrum 超级计算机的生产日志中，该方法将失去的计算时间减少了 54％，仅低于最优 Oracle 方法的 6％。

本文介绍了一种名为“层次性扩散器”的规划方法，结合了层次化和基于扩散的规划的优点。该方法在更高的层次上采用“跳跃”规划策略，拥有更大的感受域，计算成本较低。实验证实了该方法在培训和规划速度方面的卓越性能和效率。同时，探讨了该方法在复合性的分布任务中提高泛化能力的情况。

用分布动态规划算法来近似求解包括具有连续奖励分布以及潜在重尾特性在内的马尔科夫决策过程中未知的回报分布，通过引入分位数样条离散化的概念，该算法在模拟实验中显示出有希望的结果，为 DRL 中常用的概率度量推导了新的性质。

该论文研究了在线学习互动推荐系统的问题，并提出了一种离线强化学习框架来解决。该方法通过最大化用户奖励，在推荐方面表现出优越性能。

通过梯度下降的原始对偶算法，提出了通用框架解决受限强化学习问题，介绍了C-PGAE和C-PGPE版本。数值验证和基准比较证明了算法的有效性。

本文介绍了一种创新方法PCGPT框架，利用离线强化学习和Transformer网络生成游戏关卡。PCGPT解决了传统PCG方法中的问题，生成了更复杂和多样化的游戏内容。在Sokoban游戏中评估结果表明，PCGPT具有增强游戏设计和在线内容生成的潜力。

该研究探讨了在无奖励预训练和探索过程中利用内在动机进行强化学习时出现的两个基本问题：如何设计有效的内在目标，并在探索过程中减少内在目标引入的偏差。通过提出具有约束的内在动机方法，在无奖励预训练和探索过程中解决了现有方法存在的静态技能、有限状态覆盖、样本效率低和次优性等问题，并在多个 MuJoCo 机器人环境中进行了验证和性能对比。