MInTRL：离线策略干预如何提升在线策略强化学习

研究者提出 Minimal Intervention Reinforcement Learning（MInTRL），通过在在线策略 rollout 中周期性插入稀疏局部修正来扩展探索边界，训练时采用序列级优势回归目标，无需重要性采样。在数学与代码基准上，MInTRL 持续优于标准在线策略与离线策略基线；消融显示自干预和不同 judge 策略下仍有效，且性能在中等干预强度时达到峰值。