OpenAI 提出变分选项发现算法

OpenAI 发布了一项关于强化学习的研究，提出变分选项发现算法（Variational Option Discovery Algorithms）。该算法旨在自动发现可重用的子目标或技能（即“选项”），以提升智能体在复杂任务中的学习效率和泛化能力。通过变分推断框架，算法能够从经验中学习有意义的选项表示，无需人工设计。实验表明，该方法在多个连续控制任务中显著优于基线，尤其在稀疏奖励场景下表现突出。该工作为分层强化学习和技能发现提供了新思路。