Infinitesimal Operator World Models：离线强化学习的有限样本保证

研究者提出一种基于算子理论的世界模型方法，用再生核希尔伯特空间学习受控扩散过程的无穷小生成元，将强化学习与 Hamilton-Jacobi-Bellman 方程关联，并给出显式有限样本保证。理论结果表明，在生成元近似误差足够小时价值函数可全局收敛，边界直接与系统平滑性和稳定性挂钩。该工作为连续时间最优控制下的离线强化学习提供了统计理解。