车辆边缘计算是一种新兴技术，通过在车辆本地执行计算任务或转移到附近的边缘设备来提供支持。研究引入了可重构智能表面 (RIS)，通过调整RIS的相移来提高车辆边缘计算系统的性能。提出了深度强化学习框架，用于优化RIS相移系数和车辆用户的功率分配。仿真结果表明，该方案优于传统的集中式DDPG、TD3和随机方案。

通过引入空间-时间相关推理等辅助任务，将深度强化学习框架与神经网络结合，提高智能代理在复杂场景中的决策性能和可解释性。