arXiv 2026年10月5日该工作提出“奖励膨胀”，即在训练过程中逐步放大奖励幅度，并从理论上说明它引入隐式的近因加权、在策略更新中更重视近期转移，同时通过维持梯度信号抑制休眠神经元、帮助保持可塑性；在 ALE 游戏与 MuJoCo 任务上的实验显示适当程度的奖励膨胀对广泛任务有益，作者还提出自适应变体 Fed，可在线调整膨胀水平，且往往优于固定膨胀。该工作提出“奖励膨胀”，即在训练过程中逐步放大奖励幅度，并从理论上说明它引入隐式的近因加权、在策略更新中更重视近期转移，同时通过维持梯度信号抑制休眠神经元、帮助保持可塑性；在 ALE 游戏与 MuJoCo 任务上的实验显示适当程度的奖励膨胀对广泛任务有益，作者还提出自适应变体 Fed，可在线调整膨胀水平，且往往优于固定膨胀。奖励膨胀：训练中逐步放大奖励可加速强化学习并抑制休眠神经元该工作提出“奖励膨胀”，即在训练过程中逐步放大奖励幅度，并从理论上说明它引入隐式的近因加权、在策略更新中更重视近期转移，同时通过维持梯度信号抑制休眠神经元、帮助保持可塑性；在 ALE 游戏与 MuJoCo 任务上的实验显示适当程度的奖励膨胀对广泛任务有益，作者还提出自适应变体 Fed，可在线调整膨胀水平，且往往优于固定膨胀。该工作提出“奖励膨胀”，即在训练过程中逐步放大奖励幅度，并从理论上说明它引入隐式的近因加权、在策略更新中更重视近期转移，同时通过维持梯度信号抑制休眠神经元、帮助保持可塑性；在 ALE 游戏与 MuJoCo 任务上的实验显示适当程度的奖励膨胀对广泛任务有益，作者还提出自适应变体 Fed，可在线调整膨胀水平，且往往优于固定膨胀。