Gated Q-learning：用门控机制为 Q-learning 引入可控的 off-policy 偏差

研究者提出 Gated Q-learning，通过连续、依赖状态-动作的门控机制在 Watkins' Q(λ) 与 Peng's Q(λ) 两个历史极端之间平滑插值，无需重要性采样即可选择性衰减 eligibility traces。