部分可观测强化学习是否必须学习循环网络？冻结循环网络可作为高效基线

研究探讨部分可观测强化学习（POMDP）中是否必须训练循环网络，发现冻结的循环网络配合可训练非线性输出模块，即可支持数百步记忆并在多种 POMDP 任务上取得有竞争力的控制性能，且可训练参数量不到全训练版本的一半。结果表明学习循环记忆模块并非解决 POMDP 的必要条件，冻结循环网络可作为简单、参数高效的基线。