arXiv stat.ML· Hanzhen Wang, Boxiang Lyu, Zhongxiang Dai, Siyang Gao, Dake Zhang, Shuang Qiu·· 18 天前AI 评分28
基于优化确定性等价的高效风险敏感离线强化学习理论证明
Provably Efficient Risk-Sensitive Offline Reinforcement Learning via Optimized Certainty Equivalents
AI 导读
研究人员提出了基于优化确定性等价（OCE）的高效风险敏感离线强化学习框架，涵盖动态与静态两种 OCE 表述。在表格型设定下，研究团队设计了悲观值迭代算法，并证明了紧致的次线性次优界与极小化极大下界。针对大状态空间，团队进一步提出基于线性函数近似的悲观最小二乘值迭代算法，给出了显式依赖特征维度 d 的理论保证。
来源：arXiv stat.ML · arxiv.org