ARROW：用于鲁棒世界模型的增强回放

持续强化学习要求智能体在获取新技能的同时保留旧知识。针对现有无模型方法因 replay 缓冲区内存需求大而面临的扩展性挑战，本文受神经科学启发，提出 ARROW 算法。该基于模型的算法扩展了 DreamerV3，采用内存高效的分布匹配回放策略，维护短期经验与长期多样性两个互补缓冲区。实验表明，在无共享结构任务中，ARROW 显著减少了遗忘现象，同时保持了相当的前向迁移能力，验证了基于模型及生物启发方法在持续学习中的潜力。