强化学习（RL）在可验证领域（如棋类游戏、编程代码）的成功已毋庸置疑，但现实世界中大量复杂任务（如机器人操控、制药分子设计、开放域对话）难以通过简单规则或自动脚本进行验证，这构成了RL落地的关键瓶颈。本文...

强化学习领域取得重要突破，研究人员开发出一种新型actor-critic算法，通过结合离线数据和针对性探索，在混合强化学习场景中实现了接近最优的样本效率。该研究解决了长期困扰强化学习领域的核心挑战——如何在有限的实...