Transitive RL：用分治替代时序差分学习的强化学习算法

Berkeley AI Research 博客介绍了一种名为 Transitive RL（TRL）的强化学习算法，它基于分治范式而非时序差分（TD）学习，通过将轨迹递归拆分为两段来更新价值函数，从而将 Bellman 递归次数从线性降低到对数级。