यह शोधपत्र मौजूदा तंत्रिका विज्ञान निर्णय-निर्माण अनुसंधान की सीमाओं की ओर इशारा करता है, जो सरलीकृत व्यवहारिक कार्यों और स्पष्ट पुरस्कारों पर केंद्रित है, और केवल जानवरों के दोहरावदार और स्थिर व्यवहारों से संबंधित है। प्राकृतिक वातावरण में, जानवर अक्सर अप्रत्यक्ष आंतरिक प्रेरणाओं के कारण लंबे समय तक जटिल व्यवहार प्रदर्शित करते हैं। इसे समझने के लिए समय-परिवर्तनशील व्युत्क्रम सुदृढीकरण अधिगम (IRL) का उपयोग किया गया है, लेकिन यह इस बात पर विचार करने में विफल रहता है कि जानवरों के निर्णय न केवल वर्तमान स्थिति पर, बल्कि पिछले इतिहास पर भी आधारित होते हैं। इस शोधपत्र में, हम SWIRL (SWitching IRL) प्रस्तुत करते हैं, जो एक नया ढाँचा है जो समय-परिवर्तनशील और अतीत-निर्भर पुरस्कार कार्यों को एकीकृत करता है। SWIRL दीर्घकालिक क्रिया अनुक्रमों को अल्पकालिक निर्णय प्रक्रियाओं के बीच संक्रमण के रूप में मॉडल करता है, जिनमें से प्रत्येक एक अद्वितीय पुरस्कार कार्य द्वारा नियंत्रित होता है, जिससे यह पता चलता है कि पिछले निर्णय और पर्यावरणीय संदर्भ व्यवहार को कैसे आकार देते हैं। हम SWIRL को नकली और वास्तविक पशु व्यवहार डेटासेट पर लागू करते हैं और प्रदर्शित करते हैं कि यह मात्रात्मक और गुणात्मक रूप से अतीत पर निर्भरता रहित मॉडलों से बेहतर प्रदर्शन करता है। यह पहला IRL मॉडल है जो अतीत पर निर्भर नीतियों और पुरस्कारों को एकीकृत करता है, तथा जटिल और प्राकृतिक पशु निर्णय लेने की हमारी समझ को आगे बढ़ाता है।
