Merge or Not? Learning to Group Faces via Imitation Learning（AAAI2018）

强化学习聚类。解决action过大：用一个recommender推荐两个图片，action判断是否相连。（？？？这是个很奇怪的用法）按时间给不同操作加权。
逆强化学习：本质是reward不通过人为设定，而是从其他算法，用少量样本以及action，用短视的方法学习reward。