arXiv 2026年10月14日零样本强化学习不再被稠密任务编码拖累：加一行稀疏惩罚，DMC平均回报提高53分在TD-JEPA的任务编码上加一项稀疏惩罚，使推断奖励在目标附近更集中，零样本强化学习在DMC平均回报提高53分、OGBench平均成功率提高10.4个百分点。在TD-JEPA的任务编码上加一项稀疏惩罚，使推断奖励在目标附近更集中，零样本强化学习在DMC平均回报提高53分、OGBench平均成功率提高10.4个百分点。University of California, MercedDuaa Nakshbandi（第一作者）#Sparse-TD-JEPA#零样本强化学习#时序差分联合嵌入预测架构#稀疏惩罚#后继特征