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时间跨度，把不同跨度的局部回报与后续价值拼接起来。该方法定义了具有收缩性质的 stitching Bellman operator，并在 OGBench 的 10 个领域、50 个基于状态输入的任务上对比 8 个基线方法，在多阶段机械臂操作任务中表现领先。