本研究提出了LLM-Explorer，利用大型语言模型分析学习状态，生成特定任务的探索策略并动态调整。实验结果显示，该方法在Atari和MuJoCo基准测试中平均提升表现37.27%。

本研究探讨了大语言模型在推荐系统中的提示选择问题。通过对90个提示和五个数据集的实验，发现根据数据集特征选择提示能显著提高推荐准确性并降低验证数据需求，提出了一种成本高效的探索策略。

本研究提出了一种新方法SUPE，通过提取低级技能和伪标记未标记轨迹数据，提升强化学习中的探索策略，从而显著提高稀疏奖励任务的探索效率。

本研究提出了多种新型的Actor-Critic算法，结合策略梯度与Q-learning，提升了数据效率和稳定性，解决了高维动作空间中的学习问题。通过引入新探索策略和扩散模型，算法在多个基准测试中表现优异，超越了现有方法。

本文提出了一种基于自适应数据驱动离散化的$Q$-学习算法，适用于大型状态-动作空间的无模型强化学习。研究了相似度度量在强化学习中的应用，提出了提高样本效率的新方法，并探讨了探索策略和状态抽象的学习。最后，通过符号回归生成的表达式提升了模型无关强化学习的样本效率。

本文探讨了强化学习在复杂环境中的探索挑战，提出了一种基于内在动机的启发式探索策略，以解决稀疏奖励问题。实验结果表明，该策略在高维状态空间中表现优异，超越了其他技术。此外，研究还介绍了自我监督学习和视觉显著性引导的强化学习，展示了机器人在真实环境中快速学习和适应的能力。

本文探讨了强化学习中的探索策略及其在在线任务迁移中的作用，分析了不同探索算法的特点与效果。研究提出了多源模块化转移学习技术，以减少环境交互次数并提高知识重用，支持其有效性并进行跨领域实验。同时，文章讨论了迁移学习的最新进展及其与其他相关话题的联系。

该研究探讨了基于探索的深度强化学习方法，特别是“Go-Explore”和“ExpGen”算法在新环境中的泛化能力。这些方法通过有效的探索策略，在高维强化学习基准上取得了显著进展，解决了过拟合和探索中的问题，展示了在复杂任务中的应用潜力。

本文探讨了多种强化学习方法的改进，包括最大化信息增益、新探索策略的引入以及结合专家知识以加速学习。研究表明，这些方法在样本效率和性能上优于传统算法，适用于复杂任务和动态环境。

本文研究了强化学习中探索的挑战，提出了基于内在动机的复杂启发式探索策略来解决稀疏奖励下的任务。实验表明，该策略在高维状态空间和策略外奖励下的各种环境中表现出色，优于其他启发式探索技术。