本研究提出了一种新方法——探索专家失败（EEF），旨在提升大型语言模型在复杂子任务中的表现。通过借鉴失败专家的有效行为，EEF提高了代理的探索效率和技能获取，成功解决了以往无法完成的子任务，在WebShop中的胜率达62%。

本研究提出了一种高效的状态表征学习方法，旨在解决安全强化学习中探索与安全约束的平衡问题。通过自编码器和对比学习，显著提升了稀疏奖励环境中的探索效率，同时确保了安全性。

本研究提出了一种基于随机最小二乘法值迭代的并行学习框架，旨在提高强化学习中多个代理在复杂环境中的探索效率。结果显示，该算法在空间复杂性上优于现有方法，并具有多项式最坏情况遗憾界限，推动了多代理学习系统的发展。

本研究提出了一种名为ELEMENT的多尺度增强学习框架，旨在解决长期探索中的回报消失和高计算成本问题。通过引入情节最大熵优化和新内在奖励，显著提升了探索效率，展现出良好的适应性和性能。

本文探讨了深度学习与强化学习结合的方法，提出了FiGAR框架以改进策略估计，并展示了在Atari、Mujoco和TORCS等领域的性能提升。此外，介绍了基于模型的强化学习算法、PFQI新算法及Dr. DRL自我修复方法，强调了探索效率和样本效率的提升，为强化学习领域提供了重要工具。

该研究提出了一种非参数函数逼近器和不确定性探索策略，应用于Minecraft游戏，显示出在高维环境中优于基准算法的表现。研究探讨了探索与近似的相互作用，提出新方法以提高探索效率，并在多个基准数据集中验证了其有效性，展示了在复杂任务中的优越性。

该论文探讨了多智能体强化学习中的奖励设计，提出多种算法以提高探索效率和任务完成能力。研究表明，经验共享、塑形奖励和分布式任务分配等方法能有效解决稀疏奖励问题，提升学习效率和性能，尤其在复杂环境中表现突出。

本文介绍了一种基于一般价值函数逼近的无模型强化学习算法，旨在实现有效学习而不依赖环境模型。该算法通过乐观奖励采样和独立同分布噪声促进探索，并在特定任务上证明了其有效性。此外，研究探讨了风险敏感的分布式强化学习框架及其算法复杂度，提出了新的算法以提高探索效率和泛化能力。

该论文提出了一种新的无奖励强化学习框架，旨在提高探索效率。通过采集轨迹和使用线性函数逼近，算法能够在没有奖励函数的情况下找到近似最优策略。此外，研究探讨了基于内核和神经函数逼近的乐观值迭代算法，证明了其在复杂任务中的有效性。

本文探讨了多种基于演员-评论家算法的强化学习方法，包括决策感知的联合目标、双重稳健估计、Phased Actor和敌对模型，旨在提升算法的性能、稳定性和探索效率。实验结果表明，这些新方法在连续控制任务中具有显著优势。

本文介绍了一种基于学习的智能自主路径规划方法，通过学习起点和目标位置的语义信息和地图表示，提高行星探测器的探索效率。实验证明该方法能够在新颖的地图上进行路径规划，并在相同硬件条件下显著缩短寻找最优路径的时间。

该文介绍了一种基于高斯过程回归学习的自主机器人探索方法，通过贝叶斯优化实现权衡开发和探索，提高了探索效率。同时，提出了一种基于贝叶斯核推断和优化的新型信息增益推断方法，实现了近似对数复杂度而无需训练。实验结果表明该方法在不同的环境中具有理想的效率和探索性能。