无需 TD 学习的强化学习：分治法实现长时程 off-policy RL

Berkeley AI Research 提出一种基于分治（divide and conquer）的 off-policy 强化学习算法，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。