通过因果世界模型实现可解释的强化学习（英文版）

英文标题：Explainable Reinforcement Learning via a Causal World Model中文摘要：本文针对强化学习中行为的长期影响，提出了一种基于因果世界模型的可解释强化学习框架。该模型能够捕捉行为的影响，通过因果链解释行为的长期效应，从而提高模型的可解释性，同时保持了准确性，使其适用于基于模型的学习。实验结果表明，因果模型可以作为解释性和学习之间的桥梁。英文摘要：Generating explanations for reinforcement learning (RL) is challenging asactions may produce long-term effects on the future. In this paper, we developa novel framework for explainable RL by learning a causal world model withoutprior knowledge of the causal structure of the environment. The mode