未知 MDP 中 RSM 证书的可验证性研究

S Akshay、Suguman Bansal 与 Gaurav Mahla 发布研究，针对未知 MDP 中已给定策略是否满足几乎必然可达性，得出否定性结论：在没有任何额外信息时，既无法学习排名超鞅（RSM）证书，也无法以概率保证验证候选证书，仅靠采样访问不够。 研究给出一个温和限制下的正面结果：若已知非零转移概率的下界 p_min，则能以 PAC 风格保证学习到正确证书。作者称这是首个仅凭采样访问学习与验证该证书的研究。 实验显示上述充分条件可靠但保守。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。