通过无模型认知自由能估计器实现有原则的无方向内在动机

论文提出一种统一、无偏好的强化学习内在奖励，将参数信息增益作为核心信号：在未解析动力学区域鼓励探索，在动力学已解析区域自然衰减，并结合伪计数、探针式不可约噪声惩罚和短视界门控，避免显式训练下一状态预测器。作者还通过窗口冻结奖励对象，建立平稳贝尔曼算子、学习目标界限及有条件的一致性结果。