包括 LSTM 发明人、深度学习元老，Jürgen Schmidhuber 在内的来自 NNAISENSE 以及 The Swiss AI Lab IDSIA 的研究团队近日发表了一篇名为「使用颠倒强化学习训练智能体」的研究。以下是该研究的完整摘要分享：传统的强化学习（RL）算法要么通过价值函数预测回报，要么使用策略搜索最大化回报。该团队研究了一种替代方法：颠倒强化学习，主要使用监督学习技术解决强化学习问题。随附报告概述了其许多主要原则。该研究我们介绍颠倒强化学习的第一个具体实现，并证明其在某些情景学习问题。实验结果表明，它的性能可以与数十年来研究开发的传统基线算法相媲美，甚至可以超越传统基线算法。