标签
本文认为，表示学习（而非基于模型的规划）是可扩展多任务深度强化学习的关键。文章介绍了MR.Q，一种简单的无模型算法，通过辅助预测目标，在多种连续控制任务上优于之前基于世界模型的方法。
# 策略梯度与软Q学习之间的等价性 来源：[https://openai.com/index/equivalence-between-policy-gradients-and-soft-q-learning/](https://openai.com/index/equivalence-between-policy-gradients-and-soft-q-learning/) OpenAI ## 摘要 策略梯度方法和Q学习方法是无模型强化学习中两种主要方法。Q学习方法在有效时样本效率很高，但目前还不太清楚它们为什么能够工作