Adaptive Exploration（自适应探索）

自适应探索的核心是让智能体根据当前不确定性或学习进度调整探索强度。常见方法包括基于计数、基于预测误差的内在奖励，以及元学习探索策略。在稀疏奖励环境中，自适应探索能有效引导智能体发现关键状态。例如，在蒙特祖玛的复仇游戏中，基于随机网络蒸馏（RND）的探索显著提升了性能。该技术仍面临探索与利用的权衡以及高维状态空间中的泛化挑战。