SUN：在强化学习中兼顾新颖性与可达性的目标选择框架

研究者提出 SUccessor-to-Novelty（SUN），一种从后继价值函数推导的指标，用于识别既新颖又可达的目标，可无缝嵌入任意 off-policy 强化学习算法。SUN 被证明是计数缩放目标达成奖励的价值，能约束短视界命中概率并拒绝不可达目标，配合轻量伪计数避免经典方法的开销。在含不可达状态、不可逆转移、障碍、迷宫和无界空间的标准与新环境中，SUN 持续优于现有最优方法。