hierarchical-reinforcement-learning

本文提出了一种名为ToSCA的两层层次化强化学习框架，用于会话智能体。该框架结合DQN和PPO，并采用双粒度奖励机制，以提升多轮对话中的策略判定和响应质量。

本文提出HT-GRPO，一种面向扩散多模态大语言模型的层次化强化学习方法，它采用先素描后绘制的训练方案和层次化信用分配机制，以提升图像生成质量和奖励对齐效果。

OpenAI 研究提出分层强化学习方法，其中智能体将复杂任务分解为高级操作序列而非低级操作，通过将搜索复杂度从数千步降低到数十步，显著提高长视野任务的效率。