决策模型

本文系统梳理了非平稳环境中上下文强化学习的最新进展，探讨智能体如何在参数固定的情况下，通过上下文推断动态变化的决策规则。

研究者提出DD-Elo评级系统，通过整合每步棋局数据捕捉技能波动，相比传统Elo系统能更快适应棋手水平变化。