本文研究了深度增强学习中的可塑性损失和缓解方法。发现在领域转移情况下，可塑性损失普遍存在，而一类“再生”方法能够在各种环境中缓解可塑性损失。

本文介绍了应用RL/DRL实现网络运营中的自主智能体，并提出了名为CyGIL的训练环境，旨在从仿真到现实实现自主智能体应用。