如果你从事强化学习（RL）的工作，你可能会认为基于模型的RL（Model-Based RL）在样本效率上非常高。然而，我们有不同的结论：OBAC，我们新发现的**无模型**RL算法，不仅超越了强基线BAC（https://jity16.github.io/BEE/），而且达到了基于模型的RL方法TD-MPC2（https://www.tdmpc2.com/）的样本效率。在墙钟时间方面，它的速度快了很多倍。感兴趣吗？查看我们的新论文 https://arxiv.org/pdf/2405.18520v1 和我们的代码 https://github.com/Roythuly/OBAC。与Yu @Wenguang Liu、Tianying @May Wei、Fuchun Sun、Jianwei Zhang、Xianyuan Zhan的合作研究。