Berkeley AI Research 提出分治式价值学习，替代 TD learning 做 off-policy RL

Berkeley AI Research 提出分治式价值学习，替代 TD learning 做 off-policy RL。它把轨迹一分为二、用子段值更新整段值，把 Bellman 递归次数从线性降到对数级。作者称与 Aditya 的合作首次将该思路扩展到 goal-conditioned RL 的复杂任务，最优子目标 w 的选取仍未解决。