本文研究了离线多智体强化学习中的协调失败问题，并提出了一种基于数据的方法来缓解这个问题。实验结果表明该方法有效。作者认为基于优先选择的数据集采样是离线多智体强化学习中一个具有创新潜力的领域。

该文介绍了一种无需参数化的技术，结合U-Net-like CNN和有限差分法领域的离散化方法，学习稳态Navier-Stokes方程近似解。作者比较了基于物理的CNN和基于数据的方法，并展示了将两种方法相结合的性能。