北航、北大和美团联合提出：策略提升强化学习!

北航、北大和美团联合提出一种策略提升强化学习方法，并探讨了单次更新在现有数据上优化学习信号是否能真实反映模型策略变强的问题。该研究旨在改进强化学习策略评估与提升的可靠性。