离线强化学习理论扩展至参数化策略

一项研究将离线强化学习的理论保证从有限小动作空间扩展到大规模或连续动作空间上的参数化策略类。作者Xiang Li、Yuheng Zhang、Nan Jiang指出，PSPI等算法此前仅适用于有限小动作空间，且依赖逐状态镜像下降、需从critic隐式导出actor。 研究者识别出上下文耦合是镜像下降扩展到参数化策略的核心难点，并揭示其与自然策略梯度的联系，据此提出新的分析与算法洞见，其中包括离线RL与模仿学习之间的一种统一。相关论文发表于arXiv cs.AI分类。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。