港大与清华提出 VAST：让长程决策学习自适应选择时间尺度

香港大学与清华大学提出离线价值学习框架 VAST，让智能体联合选择未来子目标与对应时间跨度，将不同跨度的局部回报与后续价值拼接。VAST 引入辅助价值函数 G-function 估计任意状态与跨度间的期望折扣累计回报，并学习拼接策略，理论上定义了具有收缩性质的 stitching Bellman operator。