arXiv ID:
2606.04735
arXiv 提交日期: 2026-06-03
痕迹介导的峰值偏差:桥接深度强化学习中的时间信用分配与认知启发式 / Trace-Mediated Peak Bias: Bridging Temporal Credit Assignment and Cognitive Heuristics in Deep Reinforcement Learning
1️⃣ 一句话总结
该研究揭示了一种在深度强化学习中因特定算法机制(痕迹追踪)导致的系统性错误:智能体会不合理地偏好具有高奖励峰值的方案,而非总回报更高的方案;这一现象恰好解释了一种人类记忆偏差(峰终定律),并发现自适应优化器能有效纠正该问题。