全球首个分布式强化学习模型INTELLECT-2发布，利用闲置算力进行训练，显著降低成本，性能接近DeepSeek-R1。该模型去中心化，任何人可参与训练，可能改变大公司对算力的垄断。团队已获得Karpathy等投资，未来将扩展去中心化训练。

本文提出了一种新型分布式强化学习架构，利用归一化流模型返回分布，显著提升了参数效率，并在ATARI-5测试中超越了传统方法。

本研究提出了一种新颖的逆强化学习方法，解决了固定奖励分配和隐式奖励正则化的灵活性问题。通过引入平方时间差正则化器和自适应目标动态调整，我们的方法在模仿学习中优化了奖励函数，并结合分布式强化学习，在MuJoCo任务上取得了优异的实验结果。

该论文研究了一种分布式强化学习方法，用于多智能体马尔可夫决策过程，实现网络目标。通过稀疏通信网络上的局部处理和信息交流，实现了代理协作。该分布式方案在几乎确定的情况下，渐进性地实现了各个网络层面上的期望值函数和最优静止控制策略。

该论文研究了一种分布式强化学习方法，用于实现多智能体马尔可夫决策过程中的网络目标。通过稀疏通信网络上的局部处理和信息交流，实现了代理协作。该分布式方案在几乎确定的情况下，逐渐实现了各个网络层面上的期望值函数和最优静止控制策略。

该文介绍了一种使用分布式强化学习的风险敏感的运动训练方法，可以帮助机器人在危险环境中预防事故。