RL without TD learning：Berkeley AI Research 提出基于分治的强化学习算法

Berkeley AI Research 提出一种基于“分治”而非时序差分（TD）学习的强化学习算法，用于 off-policy RL。传统 TD 学习通过 bootstrapping 使误差沿整个轨迹累积，难以扩展到长时序任务；n-step TD 也只能线性减少 Bellman 递归次数。