分位数分布式强化学习的在线统计推断研究

研究者针对分位数分布式策略评估提出了两种分位数向量在线统计推断方法，覆盖生成模型的同步/异步采样及马尔可夫数据。第一种方法基于分位数时序差分学习（QTD）轨迹与递归计算的随机缩放统计量，在确定性时间跨度下实现渐近精确覆盖且区间长度阶数为 $T^{-1/2}$。