热点事件持续更新
对抗线性 CMDP 速率最优算法提出
1 篇报道1 个报道来源13 小时前更新
先了解这件事
AI 综述
2026 年 10 月 3 日，arXiv cs.LG 分类发布一篇机器学习论文，研究片段式对抗线性 CMDP：损失与约束函数随回合对抗变化、转移未知。研究者提出一种新的原始-对偶算法，将 regret 与累积约束违反从 \widetilde{\mathcal{O}}(K^{3/4}) 降至 \widetilde{\mathcal{O}}(\sqrt{K})，且无需 Slater 条件。报道未提及该算法在实验或实际系统中的验证情况，也未给出后续进展。
AI 根据报道生成 · 1 小时前更新
最新进展10月3日 12:00
arXiv 发布新原始-对偶算法，将对抗线性 CMDP 的 regret 与约束违反降至 O(√K)。报道时间线
沿着报道，了解事件的不同侧面。
10月3日
- arXiv：cs.LG（机器学习，全量分类）对抗性线性 CMDP 的速率最优算法
针对损失与约束函数随回合对抗变化、转移未知的片段式对抗线性 CMDP，研究者提出一种新的原始-对偶算法，将 regret 与累积约束违反从 \widetilde{\mathcal{O}}(K^{3/4}) 降至 \widetilde{\mathcal{O}}(\sqrt{K})，且无需 Slater 条件。
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。