线性函数逼近下基于分段奖励反馈的强化学习

研究在线性函数逼近下用分段奖励反馈替代逐状态-动作奖励的强化学习。针对等长分段，作者提出 $\bitssegd$、$\edlinucbsegd$ 及统一 $\seglsvits$ 框架，并给出近匹配下界；二元反馈下增加分段数可指数级降低 regret，而求和反馈下分段粒度影响不大。允许任意分段的 $\uneqsegbitsd$ 表明等长分段性能最佳。