★ 2
论文提出 PF-EFVI：用奖励多样性替代显式探索的联邦强化学习
研究将联邦强化学习中的奖励异质性从共识障碍重新定义为促进探索的结构性资产，先提出 PF-UCBVI 实现线性加速，再提出纯贪心的 PF-EFVI。理论证明在奖励多样性充分时，PF-EFVI 无需显式探索奖励即可达到对数级遗憾，把探索负担从时间维度转移到空间多样性。
arXiv cs.LG2 小时前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究将联邦强化学习中的奖励异质性从共识障碍重新定义为促进探索的结构性资产，先提出 PF-UCBVI 实现线性加速，再提出纯贪心的 PF-EFVI。理论证明在奖励多样性充分时，PF-EFVI 无需显式探索奖励即可达到对数级遗憾，把探索负担从时间维度转移到空间多样性。