本研究提出了一种新的多任务离线多智能体强化学习算法——技能发现保守Q学习（SD-CQL），旨在解决现有方法在新任务上需重新训练的问题。SD-CQL通过重构观测值发现技能，展现出优越的任务效率和泛化能力，在14个任务集中性能提升达到65%。

本文探讨了通过扩展语言模型的参数和训练数据集来提升AI技能的有效性。研究表明，大型语言模型（LLMs）能够通过贝叶斯推理和自我反思学习提高语言理解和推理能力。此外，提出了一种新算法结合专家示范和层次变分推理，显著提升了机器人导航和操作任务的成功率。