发表时间：2018（Learning Disentangled Representations, NIPS 2017 Workshop）
文章要点：这篇文章想说，可以分解出独立的可控的各种因素的表征才叫好的representation，作者就说通过policy和环境交互的过程是可以实现这种表征的。具体的，作者定义了一个度量标准来作为policy学习的reward
这里\(h\)是经过编码的初始状态，\(h^\prime\)是经过编码的终止状态，\(\phi\)代表变化的因子。\(A\)就度量由\(\phi\)造成的\(h,h^\prime\)之间的变化。
作者还举了个开关灯的例子来解释
然后训练policy的目标就是找一个最大化相应表征的策略
总结：感觉也过于抽象了吧，感觉很高深，但是又感觉啥都没讲，完全看不懂啊。而且最后还挂了Yoshua Bengio的名字，估计还是我太菜了。
疑问：里面这个训练过程也没细说，实验部分也不知道在干啥。不过作者还是个实在人，直接就说不好训
