离线强化学习通过使用不同行为策略收集的转换来解决强化学习需要大量数据的问题。该方法基于对比预测编码，识别离线数据集中的非稳定性，并在训练和评估过程中进行预测。实验证明该方法在连续控制任务和高维运动任务中表现优于基线方法。
完成下面两步后，将自动完成登录并继续当前操作。
