港大与清华提出 VAST：让 RL 自主选择价值回传时间跨度

港大与清华合作提出 VAST，让 RL 在长时程控制中按情境灵活选择价值回传的长度，而非固定使用同一时间步长。该方法以 G 函数和 stitching 策略联合选择未来子目标及其跨度，并由独立的 goal-conditioned 执行策略生成动作；在 50 个 state-based OGBench 任务上取得强或具竞争力的表现。