基于可验证奖励的自监督强化学习

这项研究探索了一种新的自监督方法来进行强化学习，重点是可验证的奖励。 掩蔽和重新排序的自监督的应用可以导致更强大和可靠的 RL 智能体。

• •侧重于强化学习中的自监督学习方法。
• •采用“掩蔽和重新排序”技术进行学习。
• •解决了 RL 中可验证奖励的挑战。