选样更均衡
针对持续学习中回放样本选择的偏差累积问题，提出一种新的正则化选择准则，可有效抑制连续选择步骤间的二阶干扰，提升回放样本质量。
Zhicheng, Sun · 穆亚东 · Hua, Gang
2023
新目标函数显式考虑连续选择步骤间的二阶影响，避免只追求单步最大效用导致的偏差累积。
通过识别并正则化二阶影响，该方法能抑制回放缓冲区中偶然偏差的逐步放大。
作者提供了优化该准则的高效实现，便于研究者集成到现有持续学习框架中。