arXiv 於 2026 年 10 月 20 日（週二）11:15:34 UTC 收錄了 Hamza Kheddar 提交的綜述論文《Reinforcement learning for hardware acceleration and system-level optimization on FPGA and integrated-circuit platforms: A survey》（面向 FPGA 與集成電路平台的硬件加速及系統級優化的強化學習：綜述），稿件編號 arXiv:2610.28699，分類為 cs.LG（主分類），同時交叉歸檔至 cs.AI、cs.AR、cs.PF、cs.RO 與 eess.SY。該文已被《Journal of Systems Architecture》接收，期刊版本 DOI 為 10.1016/j.sysarc.2026.103874；arXiv 版本 DOI 為 10.48550/arXiv.2610.28699，由 DataCite 簽發但登記狀態為 pending。作者為 Hamza Kheddar，第一版文件大小約 1,201 KB，提供 PDF、實驗性 HTML 與 TeX 源碼等全文鏈接，以及音頻摘要。
論文的研究動機在於：強化學習（RL）使嵌入式、邊緣與異構計算系統具備自適應和自主決策能力；而現場可編程門陣列（FPGA）與集成電路（IC）在 RL 部署方面具備低延遲、能效高、架構靈活等優勢，但同時也帶來資源受限、實現複雜、硬件與算法協同設計等難題。作者指出，現有綜述往往侷限於特定算法或特定平台，因此本文嘗試給出 FPGA 與 IC 實現的統一分析視角。
在覆蓋範圍上，本綜述梳理了 100 餘項關於 RL 在 FPGA 與 IC 平台上實現的研究，重點關注體系結構、實現策略、性能評估與應用場景。文獻按 RL 家族組織，包括基於模型的馬爾可夫決策過程、經典的值函數方法、深度強化學習、演員—評論家（actor-critic）、策略梯度以及多智能體方法。作者進一步按抽象層次、硬件實現策略與應用領域對研究進行分類，考察 RL 算法如何映射到可重構硬件與固定硬件之上。統一分析涵蓋加速、可重構架構、能效感知控制與系統級優化。
在性能比較方面，綜述對資源佔用、延遲、吞吐量、功耗以及文獻報告的性能增益等方面進行評估。最後，作者歸納出反覆出現的體系結構模式、實踐中的侷限、尚未解決的挑戰，以及面向高效 RL 驅動硬件系統的研究方向；並強調該綜述可作為在專用硬件上開發與評估 RL 方案的研究人員的整合性參考。需要注意的是，以上內容均來自論文摘要與元數據，具體對比數據與結論需查閲全文。