本文介绍了一种基于最大熵强化学习的离线演员-评论家算法Soft Actor-Critic，通过改进提升了模型的稳定性和训练速度，在基准任务和现实世界挑战中表现出色。

本文研究了终身强化学习中的关键问题，发现DQN和Soft Actor Critic方法在只有百分之一的实验数据用于超参数调整的情况下表现不佳，而保持网络可塑性的算法措施表现出色。