递归熵风险RL样本复杂度获近优分析

Amirparsa Bahrami、Oliver Mortensen 和 Mohammad Sadegh Talebi 发表论文，对有限折扣 MDP 中风险参数 β≠0 的递归熵风险偏好下的基于模型风险敏感 Q 值迭代（MB-RS-QVI）给出精细分析，得到了学习最优 Q 值函数与 ε-最优策略的 (ε,δ)-PAC 保证。 作者称，该样本复杂度界在有效时域 1/(1-γ) 上的指数依赖优于该设定已有的最优保证。MB-RS-QVI 是此前工作中提出的 plug-in 基于模型方法，本次结果是其分析上的改进。

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。