本文探讨海马海马记忆控制应用于深度加强学习，证明该应用比现有的加强学习算法更快地高效解决了一些复杂的连续决策任务。

Jun, 2016

本论文研究了奖励增强最大似然学习的信用分配问题，并在令牌级的 RAML 和熵正则化强化学习之间建立了理论等价性。在两个基准数据集上，我们展示了所提出的算法分别优于 RAML 和 Actor-Critic，为序列预测提供了新的选择。

Apr, 2018

本文提出了具有直接价值传播能力的一种新型深度强化学习算法——Episodic Backward Update(EBU)。与传统方法通过经验重放的方式使用均匀随机采样不同，我们的算法通过采样整个回合并将状态值连续传递到前一状态。我们的递归算法实现了高效的计算，允许稀疏和延迟奖励直接通过所采样的全部转移。我们在理论上证明了EBU方法的收敛性，并在确定性和随机化环境下进行了实验。尤其是在Atari 2600领域的49个游戏中，EBU方法仅使用5%和10%的采样，就能实现与DQN相同的平均和中位数人类归一化性能。

May, 2018

本研究提出一种基于状态关联学习的方法来优化强化学习中时间差分方法的不足，并用其在Atari游戏的任务中获得了比现有技术快25倍的结果。

Feb, 2021

本文基于序列建模思路，提出一种将强化学习抽象为序列建模问题的框架，使用Transformer架构和相关的语言建模技术（如GPT-x和BERT）来解决增强学习任务，其中提出的Decision Transformer模型可以通过自回归模型来输出未来的动作并获得预期回报，其性能在Atari、OpenAI Gym和Key-to-Door等实验中达到了业界领先水平。

Jun, 2021

本文提出了一种基于RRD(Randomized Return Decomposition)算法的代理奖励机制，从而解决了强化学习中因奖励稀疏和延迟所引起的问题，并在基准任务上获得了显著的改进。

Nov, 2021

本文提出了一个基于状态抽象的故事式控制算法 NECSA，它采用了更全面的故事记忆、新颖的状态评估以及多步状态分析，对 OpenAI gym 域中的 MuJoCo 和 Atari 任务进行了评估，实验结果表明 NECSA 比最先进的故事式控制方法具有更高的样本效率。

Jan, 2023

信用分配问题是强化学习中一个长期存在的挑战，通过对深度强化学习中的时间性信用分配进行研究，提出了一种统一的信用形式，并分析了现有方法在处理延迟效应、位置换位和行动影响不足方面的挑战，还介绍了评估信用分配方法的协议，并建议诊断不同信用分配方法困难来源的方法。该综述为新进入者和研究人员提供了领域概述，为学者在信用分配问题上开展新研究提供了连贯的视角，并提出了未来研究的潜在方向。

Dec, 2023

我们提出了一种名为Diaster（隐式分配子轨道奖励差异）的新的分解方法，将任何情节奖励分解为两个分割点处的两个子轨迹的学分，并且步骤性代理奖励来自期望的差异。我们在理论和实证上验证了分解后的代理奖励函数可以使策略趋近于最优。实验结果表明，我们的方法在样本效率和性能方面优于先前的最新方法。

Dec, 2023

通过引入扩展状态-奖励空间的高效 EC-based DRL 框架，我们的方法能够同时充分利用检索信息和通过时序差分 (TD) 损失更好地评估状态值，从而在具有挑战性的任务中表现出优越性。

Jan, 2024