目标条件策略学习中的"视界信息诅咒"

研究在目标条件策略学习中识别出一种"视界信息诅咒"：增大目标重标注视界会显著削弱策略泛化与性能，即便测试时只评估邻近子目标序列，行为克隆（BC）策略仍出现严重的、依赖训练视界的性能退化，而强化学习（RL）目标可缓解该现象。作者将其解释为动作与事后重标注目标之间条件互信息随视界下降，并发现将短视界策略的输入 Jacobian 蒸馏到长视界策略可在组合操作任务上带来显著性能提升。