arXiv cs.LG· Shangzhe Li, Weitong Zhang·· 3 小时前AI 评分20
从离线到在线：通用函数逼近下的可证明高效价值自适应
Provably Efficient Offline-to-Online Value Adaptation with General Function Approximation
AI 导读
研究在通用函数逼近下离线到在线强化学习的价值自适应问题，证明即使预训练 Q 函数接近最优 Q*，在某些困难实例上在线自适应效率也无法超过纯在线 RL。提出 O2O-LSVI 算法，在离线预训练价值函数的新结构条件下具有问题相关样本复杂度，可证明优于纯在线 RL，神经网络实验验证了其实际有效性。
来源：arXiv cs.LG · arxiv.org