off-policy-learning

本文提出环境演化方法，以离线方式逐步增加终端代理的任务难度，从而增强持续学习信号，并提升在Terminal-Bench 2.1等基准测试上的性能。

OpenAI 推出了Hindsight Experience Replay (HER)，这是一种强化学习技术，使机器人能够通过将实现的替代结果追溯性地作为成功目标来从失败的尝试中学习，即使在奖励信号稀疏的情况下也能进行学习。