★ 2
PhiBE-PI 用离散离策略数据实现连续时间 RL 端到端保证
论文基于 PhiBE-Q 提出无模型 PhiBE 策略迭代框架 PhiBE-PI，仅用单一状态-动作评论家并保持连续时间动作排序尺度，复用同一批离散时间数据。在线性函数近似下给出局部端到端次优性保证，并揭示采样间隔的偏差-方差权衡。
arXiv cs.LG11 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文基于 PhiBE-Q 提出无模型 PhiBE 策略迭代框架 PhiBE-PI，仅用单一状态-动作评论家并保持连续时间动作排序尺度，复用同一批离散时间数据。在线性函数近似下给出局部端到端次优性保证，并揭示采样间隔的偏差-方差权衡。