新算法消除对抗性MDP的horizon差距
热点事件持续更新
新算法消除对抗性MDP的horizon差距
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
研究者 Mingyi Li 与 Taira Tsuchiya 发表论文，针对带对抗损失和 bandit 反馈的在线 episodic 表格 MDP，提出用正则化 Q 函数联合控制所有状态-动作对的局部更新稳定性，消除了策略优化与占用度量类算法之间相差 horizon H 倍的遗憾界差距。 新算法在已知转移下达到 Õ(√HS(H+A)T)、未知转移下达到 Õ(HS√AT) 的高概率遗憾界，后者与已知最优界持平，并进一步扩展到对抗性线性混合 MDP。
AI 根据报道生成 · 2 小时前更新
最新进展10月9日 12:00
策略优化如何消除对抗性 MDP 中的 horizon 差距报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv cs.LG策略优化如何消除对抗性 MDP 中的 horizon 差距
针对带对抗损失和 bandit 反馈的在线 episodic 表格 MDP，研究者用正则化 Q 函数联合控制所有状态-动作对的局部更新稳定性，消除了策略优化与占用度量类算法之间相差 horizon H 倍的遗憾界差距。新算法在已知转移下达到 Õ(√HS(H+A)T)、未知转移下达到 Õ(HS√AT) 的高概率遗憾界，后者与已知最优界持平，并进一步扩展到对抗性线性混合 MDP。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。