本研究通过将深度神经网络和强化学习技术相结合，实现了一种基于内部奖励机制的主动信息搜寻系统，通过在部分可见的环境中寻找并整合信息以实现各种目标，实验表明这种方法可以显著提高智能体搜寻信息的效率。

Dec, 2016

该研究旨在使用奖励函数来有效地做出明智的决策，通过提出抽象观测模型来降低计算成本并推导出期望信息论奖励函数的界限以及价值函数的界限，同时，提出了一种用于改善聚合方法的方法，实现了相同动作选择的计算时间减少。

Jan, 2022

本研究通过眼动实验探究在生物医学领域中，专家与新颖搜索界面的交互中，感知风险会如何影响用户的信息搜索策略及风险与模糊性之间的平衡关系，进而将信息搜索与量子决策理论联系了起来。

Jun, 2016

这项研究探索了多个强化学习代理中的信息设计问题，提出了 Markov 信号博弈的概念，根据信号梯度和扩展服从约束开发算法，有效地解决了非稳定性和信息被忽略的挑战，并在各种混合动机任务中提供了更深入的计算经济学见解。

May, 2023

稀疏奖励环境对于强化学习代理是具有挑战性的，本文提出了一种新的内在奖励，系统地量化探索行为并通过最大化代理路径的信息内容来促进状态覆盖，通过与其他探索性内在奖励技术（即好奇心驱动学习和随机网络蒸馏）进行比较，证明了该信息理论奖励具有高效探索，其在包括 Montezuma Revenge 在内的各种游戏中的表现优于其他方法。最后，我们提出了一种在离散压缩的潜在空间中最大化信息内容的扩展方法，提高了样本效率并推广到连续状态空间。

Oct, 2023

本文论述的是如何在强化学习的算法中基于概率分布估算每个行动的信息价值，并选择能够平衡探索与利用的最佳行动。

Jan, 2013

本文提出了一种量化的交互式学习和自适应行为方法，并从模型和决策制定的角度整合了行为反馈。通过在最小复杂度下最大化预测能力，导出了最优行为政策和模型的类，并总结了这一过程的因果组织。该方法的基本原则之一是学习者的最优行为政策需要在勘探和控制之间保持平衡，这是一个新的重点。

Sep, 2007

本文概述了基于深度强化学习的信息搜索、推荐和在线广告的方法和应用，回顾了代表性算法，讨论了一些有吸引力的研究方向。

Dec, 2018

本论文提出了一种基于信息理论和动物本能的好奇奖励方法，并通过实验证明了该方法对增强学习代理在复杂环境中与连续行动交互中提高信息增益的额外调节作用。

Jan, 2018

使用基于贝叶斯模型的信息导向方法进行强化学习，通过最大化不同策略间回报差异的信息增益来选择专家反馈以提高政策性能。

Feb, 2021