★ 2
带缓冲分位目标的深度强化学习
研究提出Deep-BQRL，将缓冲分位学习扩展到神经网络函数逼近的无模型分布式强化学习框架，直接从采样转移中学习条件回报分位。在资产出售最优停止与FrozenLake任务中，其分位策略差距小于PPO与TRPO，并展现可解释的风险敏感行为。
arXiv cs.LG42 天前
#最优停止
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 1
用原始-对偶证书审计 LLM 程序搜索的百慕大期权停止问题
论文审计 LLM 程序搜索智能体在百慕大期权最优停止问题上的表现，使用可信评估器提供的对偶上界与蒙特卡洛误差进行验证。对 24 次生成尝试、反馈表征消融与冻结选择后的留出集评估显示，没有生成程序能稳定超越 Ridge LSMC，且 99% 的估计差距来自对偶界松弛，说明该对偶可审计有效性但无法在搜…
arXiv cs.LG19 天前