北航、北大与美团联合提出策略提升强化学习方法

北航、北大和美团联合提出一种策略提升强化学习方法，并质疑一次更新在现有数据上优化学习信号是否就能真正说明模型策略变强。该研究针对强化学习中策略评估与提升的有效性进行了探讨。