REINFORCE策略学习分析：课程学习有效性取决于奖励稀疏度与竞争最优解

研究发现课程学习在强化学习中的效果因奖励稀疏度而异，在稀疏奖励场景下学习往往必须依赖课程学习。 该研究构建了开环回合制目标拦截最小模型，通过数学与数值分析REINFORCE策略学习动力学，揭示了课程学习的双重作用机制。 课程学习通过降低奖励稀疏度加速学习进程，并通过塑造奖励景观引导智能体避开劣质局部最优解。