港大&清华提出VAST框架，实现长程决策自适应选择时间尺度

港大与清华提出离线价值学习框架VAST，通过自适应选择自举落点与时间跨度优化长程决策。 该方法引入辅助价值函数G-function，结合优势加权与扩散/流模型，在OGBench 50个任务中性能领先。 其机制揭示了自适应分段有助于协调跨时间信用分配，提升多阶段操作任务的策略稳定性。