信息价值
衡量获取某条信息对未来决策与回报贡献大小的量，在强化学习中可统一下界记忆获取动作价值并定义最优检索集合
时间轴 (近 90 天)
对于延迟和能量受限的机器人系统，传统注意力机制的全库评分方式难以承受，而基于信息价值的检索集合定义允许智能体更有选择性地访问记忆。
一篇最新研究提出，记忆检索与信用分配两个问题受同一个量支配——信息价值（Value of Information）。
在观测处读取信息价值时，它给出了获取动作最优价值的一个可证明下界。
该可证明下界为TD目标提供了下限，并将这份下限归因到产生该信息的观测上，从而解决信用分配问题。
在决策处读取信息价值时，它定义了最优的检索集合。
基于信息价值信号训练的一个试点检索系统在减少上下文的情况下成功解决了记忆任务。
信息价值可以从存档的轨迹中借助学习到的世界模型来估计，而非需要在线交互中实时估计。
离线估计信息价值的好处是样本复用率高、训练不干扰真实系统运行，但代价是对世界模型的准确性较为敏感，模型偏差会传导到价值估计上。
信息价值（VoI）等于当前最优期望损失减去获取证据后的最优期望损失，只有当VoI大于购买证据成本时购买才划算
全部知识事实 (9)
对于延迟和能量受限的机器人系统，传统注意力机制的全库评分方式难以承受，而基于信息价值的检索集合定义允许智能体更有选择性地访问记忆。
50%待验证一篇最新研究提出，记忆检索与信用分配两个问题受同一个量支配——信息价值（Value of Information）。
50%待验证在观测处读取信息价值时，它给出了获取动作最优价值的一个可证明下界。
50%待验证该可证明下界为TD目标提供了下限，并将这份下限归因到产生该信息的观测上，从而解决信用分配问题。
50%待验证在决策处读取信息价值时，它定义了最优的检索集合。
50%待验证基于信息价值信号训练的一个试点检索系统在减少上下文的情况下成功解决了记忆任务。
50%待验证信息价值可以从存档的轨迹中借助学习到的世界模型来估计，而非需要在线交互中实时估计。
50%待验证离线估计信息价值的好处是样本复用率高、训练不干扰真实系统运行，但代价是对世界模型的准确性较为敏感，模型偏差会传导到价值估计上。
50%待验证信息价值（VoI）等于当前最优期望损失减去获取证据后的最优期望损失，只有当VoI大于购买证据成本时购买才划算
50%