本文综述基于模型的强化学习进展，包括：用多时间步目标训练一步预测模型以缓解误差累积；提出MPPVE算法，通过多步计划价值估计更新策略，提高样本效率；用非线性常微分方程建模连续时间动力学，结合高斯过程与自适应测量选择；将全局动态模型分解为上下文潜向量以提升泛化；并涉及轨迹式多选学习、后悔最小化、MAML收敛性及决策焦点学习。

本论文介绍了两种新型模型强化学习框架，使用神经常微分方程建模连续时间动力学，准确表征动态并开发高效策略。同时，基于模型的方法优化时间表，减少与环境交互频率，保持近乎最优性能。实验证明方法有效。