该文综述基于后继表示（SR）的强化学习研究，涵盖探索奖励、隐式计数、Atari 最优性能、DSR 分解、λR 状态表示、t-SR 时间扩展、多任务迁移、风险规避、边际重要性抽样、分布式 RL 及 DHTM 在线隐藏表示等方法。

该文综述了强化学习中状态表征与探索奖励预测的研究，涵盖聚类、自监督、密度估计及视觉语言表示等方法，用于加速高维控制任务学习，并在Atari、ViZDoom等基准上取得先进成果。

本文提出了一种名为LAMP的方法，利用Vision-Language Models的零样本能力作为预训练工具，生成探索奖励，以获得受语言条件约束的预训练策略。该方法可以在RLBench的机器人操作任务上启动样本效率高的学习。

本文提出了一种名为LAMP的方法，利用Vision-Language Models的零样本能力作为预训练工具，生成探索奖励，以获得受语言条件约束的预训练策略。该方法可以在RLBench的机器人操作任务上启动样本效率高的学习。