分治强化学习：不依赖TD学习的RL新范式

文章提出一种基于分治范式的强化学习算法，不依赖时序差分（TD）学习，通过将轨迹分为两段并组合其值更新完整轨迹，理论上可将Bellman递归次数从线性降至对数。该算法无需选择n步TD中的超参数，也不受高方差影响。近期与Aditya合作，已将其扩展到目标条件RL，据作者所知是首个此类工作。