Scott W. Viteri

该工作提出以反事实信息比较策略的探索准则，即策略历史在多大程度上可替代其他策略下的经验，并在一个简单环境中构造出计数、预测误差、赋权与信息增益等内在奖励目标的最优策略在该准则下帕累托次优的情形，进而解释这些失败并给出既有内在奖励能有效鼓励最优探索的条件，同时构造出一个在探索按该准则严格改善时给予更高价值的目标。

该工作提出以反事实信息比较策略的探索准则，即策略历史在多大程度上可替代其他策略下的经验，并在一个简单环境中构造出计数、预测误差、赋权与信息增益等内在奖励目标的最优策略在该准则下帕累托次优的情形，进而解释这些失败并给出既有内在奖励能有效鼓励最优探索的条件，同时构造出一个在探索按该准则严格改善时给予更高价值的目标。