REP-PD-TEG：低秩约束 MDP 的表示学习新方法
原文标题：Primal-Dual Representation Learning for Low-Rank Constrained MDPs
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文研究连续状态空间低秩约束马尔可夫决策过程（CMDP）的表示学习，提出 REP-PD-TEG 与 REP-PD-H-TEG 两种算法，分别处理软累积违规与硬累积违规。作者给出遗憾界与违规保证，是首个对低秩连续状态 CMDP 具备理论保证的表示学习方法。
- 问题
- 连续状态约束 MDP 中，表示学习需同时控制约束违规，此前缺少理论保证。
- 方法
- 用衰减 ε-greedy 混合策略采样、最大似然学习转移特征，再以乐观拉格朗日目标规划；硬约束版本改用置信下界效用证书加稳定对偶搜索。
- 结果
- REP-PD-TEG 达到最优 Õ(√K) 回报界，探索动作计入时总体样本界为 Õ(K^{3/4})。
- 影响
- 首个为低秩连续状态 CMDP 表示学习给出遗憾与违规保证，为安全强化学习提供理论基线。
AI 处理过程展开/收起
相关推荐
OpenAI 宣布数学、计算机科学、物理学三项新发现
AI 摘要OpenAI 宣布在调和分析、复杂性理论和量子场论三个方向取得新发现，并采用与学术界合作的新方法。公司邀请外部专家组织团队理解研究结果，参与者无需签署保密协议、可自由讨论并发表结论，且为自愿无报酬。OpenAI 表示不会为内部模型产生的发现寻求学术署名。
数学家称需数年消化 OpenAI 最新数学成果
AI 摘要OpenAI 本周突然发布近 400 项 AI 生成的数学成果，分布在 700 多份手稿中，覆盖组合数学、几何、数论等多个领域。多位数学家表示「震惊」「难以置信」，认为仅理解这些成果就需数年，且验证程度参差不齐。
OpenAI 公布数学难题突破成果
AI 摘要OpenAI 发布由未公开前沿模型生成的 722 篇数学手稿，覆盖 372 个成果族，声称解决了数百个长期未解问题，并公开 Lean 形式化证明与算力估算。此举延续了 AI 冲击数学界的势头，也引发研究伦理与学术规范的争议。独立顾问组织 AGMAI 呼吁实验室通过正规学术渠道发布成果，而非将其当作营销工具。
OpenAI 再抛数学突破成果引争议
AI 摘要OpenAI 公布 722 篇手稿，称未发布的前沿模型解决了数百个数学开放问题，平均每个结果消耗约三小时 ChatGPT Pro 级算力。成果虽令人震撼，但数学界对发布方式、研究伦理与学术规范提出质疑。AGMAI 建议实验室及时通过正规渠道披露模型、提示词与算力成本，避免把成果当作营销手段。