arXiv · cs.AI· Wenyan Yang, Arsenii Mustafin, Dominik Baumann, Joni Pajarinen, Simone Parisi·· 3 小时前
SUN：联合衡量新颖性与可达性的强化学习目标选择框架
SUN: Reaching for Novelty in Reinforcement Learning
arXiv:2609.08642v2阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Wenyan Yang, Arsenii Mustafin, Dominik Baumann, Joni Pajarinen, Simone Parisi
研究任务与主要进展
基于论文摘要，作者提出 SUccessor-to-Novelty（SUN）指标，从后继价值函数中识别同时具有新颖性和可达性的目标，并将其用于目标条件强化学习。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org