港大与清华提出 VAST：让离线强化学习自适应选择价值更新时间尺度

香港大学与清华大学提出 VAST（Horizon Adaptive Offline Policy Learning via Value Stitching），一个自适应选择更新跨度的离线价值学习框架，通过联合选择未来子目标与时间跨度来拼接局部回报与后续价值。