本研究提出了MaxInfoRL框架，通过最大化信息增益来提升强化学习的探索能力，解决了任务奖励与内在奖励的平衡问题。研究表明，该方法在复杂场景下优于传统方法，特别适用于难以探索的问题。

该文介绍了一种新的无监督技能发现算法DISCO-DANCE，它通过选择具有未探索状态潜力最高的引导技能，引导其他技能跟随引导技能，然后引导的技能在未探索的状态下分散以最大化它们的可区分性，以增强探索能力。

本文介绍了一种名为双生成流网络（DGFNs）的方法，可以在药物发现中生成多样化的候选物分子。通过引入强化学习和双深度 Q 学习的概念，DGFNs 可以有效地增强在稀疏奖励领域和高维状态空间中的探索能力。

本文介绍了一种名为GFlowGNN的图主动学习方法，利用生成式流网络建模图，表现出良好的探索能力和可转移性。