★ 1
研究用博弈论为无折扣双模拟度量建立统一基础
论文将双模拟度量重新解释为零和轮次博弈的 Bellman-Shapley 算子，从而在总奖励与平均奖励等无折扣 MDP 中给出唯一度量定义，并迁移动态规划理论与算法。作者还刻画了度量有限性与 MDP 结构的关系，并证明其可界定总奖励与最优相对价值差。
arXiv cs.AI3 天前
#MDP
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 1
递归熵风险强化学习的近优样本复杂度
论文研究有限折扣MDP在递归熵风险偏好下的值与策略学习样本复杂度，假设可访问生成模型。作者对基于模型的风险敏感Q值迭代（MB-RS-QVI）进行精细分析，给出(ε,δ)-PAC保证，改进了有效视界上的指数依赖，与现有下界在|β|/(1-γ)等维度上匹配。该分析消除了此前上下界间的指数差距，仅留下多…
arXiv cs.LG26 天前