temporal-abstraction

SPACE 通过从成功轨迹归纳两层参数化技能，将子技能边界作为动作块监督，训练长程 LLM Agent 自适应输出可变长原子动作序列；在 ALFWorld 和 ScienceWorld 上成功率提升 7.0%–31.3%，决策轮次最多降低 78.9%。

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。

Rich Sutton 讨论了在人工智能研究中依赖一步预测的常见错误，并提倡使用选项和GVF的时间抽象模型。