资讯1 分钟阅读·
EfficientTDMPC自报在HumanoidBench与DMControl刷新样本效率
Thomas Evers等五名作者称EfficientTDMPC经三处改进，在HumanoidBench与DeepMind Control Suite达到样本效率新最优。
重要性局部证据E2 未复现
EfficientTDMPC对TD-MPC系列模型基强化学习做三处改进：聚合不同回滚深度的多视野规划目标、为MuZero式方法引入状态-动作价值集成、在生成策略目标时以悲观reanalyze惩罚不确定的回报估计。作者自报，在HumanoidBench与DeepMind Control Suite上达到样本效率新最优。
此前TD-MPC系列未做这三处改进，读者无法据其判断这些改动能否带来样本效率收益。
该最优为作者自报的第一方结果，尚无第三方复现；结果出自Thomas Evers等五名作者的arXiv预印本（2026年5月15日首提，2026年9月17日更新至v4，arXiv:2605.16692）。