本文探讨了一种基于变分推断的选项发现方法，提出了结合变分自编码器的VALOR新方法。VALOR通过噪声分布编码上下文，并利用解码器进行恢复。同时，采用课程学习方法，随着代理表现的提升逐步增加上下文数量，以稳定训练并扩展行为模式。