Oriol Corcoll

一种把延迟奖励按“解释”而非时间远近重新分配的信用分配框架，在Crafter、WordCraft、KuaiRand和工业级生成式推荐器上，把稀疏终端奖励的学习信号追回到数百步之前真正起作用的动作。

一种把延迟奖励按“解释”而非时间远近重新分配的信用分配框架，在Crafter、WordCraft、KuaiRand和工业级生成式推荐器上，把稀疏终端奖励的学习信号追回到数百步之前真正起作用的动作。