state-abstraction

本文提出了一种用于强化学习的性能驱动的状态抽象方法，直接优化决策质量，采用多时间尺度框架共同调整策略和树状结构抽象。该算法基于Q值差异细化或聚合状态空间，相比基线实现了更好的样本效率和更快的重新规划。

本文提出ARS，一种记忆增强的智能推荐系统，将推荐视为部分可观测问题，并采用分层信念状态记忆结构。它在四个基准上取得了最先进的性能，相比基线有显著提升。