Berkeley AI Research：不依赖 TD 学习的强化学习，用分治法扩展长时程任务

Berkeley AI Research 提出一种基于分治法（divide and conquer）的强化学习算法，不依赖时序差分（TD）学习，可将 Bellman 递归次数从线性降为对数级，从而扩展到任意长时程任务。该工作与 Aditya 共同主导，在 goal-conditioned RL 上首次实现了分治法价值学习的规模化扩展，利用三角形不等式构造传递式 Bellman 更新规则。