★ 3
Q-Target 预训练 Transformer 实现可证明的上下文强化学习
论文提出 Q-Target Pretrained Transformers（QTPT），保留上下文条件 Transformer 架构但以贝尔曼式 Q 目标替代行为克隆，使模型利用上下文中的奖励与转移估计动作价值而非模仿行为策略。理论分析表明其在随机线性老虎机与有限时域 MDP 中对数据质量的鲁棒性…
arXiv cs.LG35 天前
#Q学习
共 2 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 2
抗对抗攻击的联邦Q学习
论文研究多智能体通过中心服务器协作学习最优状态-动作价值函数的联邦强化学习，探讨部分智能体对抗性传输损坏信息时能否保留协作的样本效率优势。作者提出Robust Async-Fed-Q算法，结合方差缩减的Bellman最优算子估计与鲁棒聚合，给出高概率有限时间保证与信息论下界，首次实现近乎匹配的上下…
arXiv cs.LG26 天前