arXiv · cs.AI· Yize Hao, Guangxin Jiang, Shuang Qiu·· 11 小时前
KL正则化离线Q学习的快速样本复杂度保证
Fast Rates for Offline Q-Learning with KL Regularization
arXiv:2610.18839v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Yize Hao, Guangxin Jiang, Shuang Qiu
研究任务与主要进展
基于论文摘要，作者提出KL-regularized Q-Learning（KLQ）和KL-regularized Pessimistic Q-Learning（KLPQ），研究表格型有限时域MDP中的离线Q学习。作者报告两者均获得tilde-样本复杂度，但KLPQ通过加入悲观主义移除了对KL正则化参数和时域的显式指数依赖；摘要称这是该设定下离线Q学习的首个快速速率保证。
阶段、条件与复现 · 深读核对
- 任务输出与输入访问模型是什么？
- 在什么假设、规模与资源条件下成立？
- 与哪种经典基线比较，是否计入编码与读出？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org