Предложен Regularized Emphatic TD (RETD) для устранения нестабильности ETD при постоянном шаге
Препринт на arXiv (arXiv:2609.19170v1) приводит эргодический двухсостоянийный контрпример, показывающий, что несмотря на сжимающее среднее поведение ETD, сэмплированные траектории могут иметь положительный верхний показатель Ляпунова, и предлагает Regularized Emphatic TD (RETD) — нормализованный постшоковый ремонт, сохраняющий эмфатический сигнал в утоняющем скалярном состоянии и выдающий отсроченную корректировку. Авторы доказывают сходимость почти наверное для гармонических убывающих шагов, получают условную оценку для постоянных шагов и подтверждают результаты экспериментами (включая точку Бэрда и 10 000 прогонов).