arXiv cs.AI· Leonardo Cesani, Matteo Papini, Marcello Restelli·· 5 小时前AI 评分15
LVR-PG：方差缩减策略梯度被证明近乎极小极大最优
Variance-Reduced Policy Gradient is Nearly Minimax-Optimal
AI 导读
研究者提出 Loopless Variance-Reduced PG（LVR-PG）统一理论框架，将递归更新与防御性重要性采样结合，涵盖 PAGE-PG、STORM-PG 等已知估计器。
来源：arXiv cs.AI · arxiv.org