黑盒模拟器的时序差分校准

研究人员提出一种用于黑盒模拟器校准的无导数时序差分（TD）框架，利用单步转移与带噪声延续值完成参数校准。基于贝尔曼正交性，研究设计了三种随机方向有限差分 TD 算法，并确立了四种查询噪声机制下的收敛性与均方误差界。该框架还引入少次重复在线 bootstrap 与无需额外查询的第二阶段 TD 递归，用以纠正剩余价值偏差。