无需 TD 学习的强化学习：用分治法扩展 off-policy RL

Berkeley AI Research 提出一种基于分治法的 off-policy RL 算法，不依赖时序差分（TD）学习，可将 Bellman 递归次数从线性降为对数级，从而扩展到任意长时程任务。