arXiv 2026年10月12日循环网络不必再训练:冻结记忆在延迟256步仍能回忆,可训练参数少一半在部分可观测强化学习中,把循环记忆模块的权重冻结、只训练输出与混合层,仍能在延迟回忆、离散与连续控制以及像素任务上取得与全量训练相当的控制表现,同时把可训练参数减少一半以上。在部分可观测强化学习中,把循环记忆模块的权重冻结、只训练输出与混合层,仍能在延迟回忆、离散与连续控制以及像素任务上取得与全量训练相当的控制表现,同时把可训练参数减少一半以上。University of MacauZekang Wang(第一作者)#冻结循环网络#储备池计算#部分可观测马尔可夫决策过程#强化学习#门控循环单元