研究：Jev决策模型提升强化学习性能

发生了什么

据arXiv cs.LG发布的研究论文，Jev决策模型被用于强化学习（RL）训练。研究构建算法将Jev作为参考策略、探索判断者和回放评级器，以改善样本效率、探索和表现。在九个MiniGrid任务和三个Atari游戏中，使用Jev的训练优于标准RL学习者，且Jev模型本身保持未训练状态。