NeurIPS 2026｜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，通过拼接不同跨度的局部回报与后续价值，让智能体联合选择未来子目标和时间跨度。VAST 使用 G-function 估计不同状态与跨度间的折扣累计回报，并以组合一致性约束增强泛化。论文证明 stitching Bellman operator 在其设定下具有收缩性质。