ICRPM 用近期风险记录挑选强化学习任务（在新窗口打开）团队利用最近批次的任务与风险数据，预测策略更新后的任务风险。在论文所测的连续控制与 Countdown 后训练中，排序和部分结果改善，风险预测无需额外采样。
