發表時間：2018（Learning Disentangled Representations, NIPS 2017 Workshop）
文章要點：這篇文章想說，可以分解出獨立的可控的各種因素的表徵才叫好的representation，作者就說通過policy和環境交互的過程是可以實現這種表徵的。具體的，作者定義了一個度量標準來作爲policy學習的reward
這裏\(h\)是經過編碼的初始狀態，\(h^\prime\)是經過編碼的終止狀態，\(\phi\)代表變化的因子。\(A\)就度量由\(\phi\)造成的\(h,h^\prime\)之間的變化。
作者還舉了個開關燈的例子來解釋
然後訓練policy的目標就是找一個最大化相應表徵的策略
總結：感覺也過於抽象了吧，感覺很高深，但是又感覺啥都沒講，完全看不懂啊。而且最後還掛了Yoshua Bengio的名字，估計還是我太菜了。
疑問：裏面這個訓練過程也沒細說，實驗部分也不知道在幹啥。不過作者還是個實在人，直接就說不好訓
