双评论家架构

通过互补持续评论家解决强化学习中的稳定性-可塑性困境

Resolving the Stability-Plasticity Dilemma in Reinforcement Learning via Complementary Continual Critics

对做视觉RL的人，可复用其「双评论家+交叉注意力融合」架构：用CBP维持表征可塑性、用EWC维持稳定性，并按观测特征动态加权两路价值估计，直接缓解非平稳视觉输入下的表征漂移与策略退化。