2025_NIPS_Measure gradients, not activations! Enhancing neuronal activity in deep reinforcement lear

文章总结与翻译一、主要内容该研究聚焦深度强化学习（Deep RL）中普遍存在的神经元活性丧失问题——随着训练推进，部分神经元逐渐休眠，导致网络学习能力下降、难以适应新环境或数据分布。现有解决方案（如ReDo）依赖基于激活值的指标（τ-休眠神经元比率）识别休眠神经元，但在残差网络、扩散模型等复杂架构中效果不佳。核心原因是激活值仅反映神经元的“表达能力”（当前输出强度），无法准确衡量其“学习能力”（通过梯度更新适应新数据的潜力）。为此，研究提出：GraMa指标：基于梯度幅度的神经元活性度量方法，通过归一化梯度幅度量化神经元学习能力，具有轻量、与架构无关的特性，不额外增加计算负担；ReGraMa机制：以GraMa为指导的神经元重置策略，选择性重新初始化学习能力低下的神经元，避免灾难性遗忘。实验验证表明，ReGraMa在MuJoCo、DeepMind Control Suite等基准测试中，针对残差网络（BRO-net）、扩散模型（DACER）、不同激活函数（ReLU、Sigmoid、Tanh）的架构均能稳定提升学习性能，且在网络深度扩展时表现更稳健。二、创新点视角转换：首次将神经元活性评估的核心从“激活值”转向“梯度幅度”，解决了复杂架构中激活值与学习能力脱节的关键问题；