普林斯顿大学与华沙理工的研究表明，将对比强化学习扩展至1000层可显著提升性能，最多提高50倍，特别是在无监督目标任务中。研究创新性地结合自监督学习与强化学习，增加数据量并突破网络深度，发现更深的网络能够学习新行为并提高泛化能力。