arXiv · cs.AI· Leonardo Cesani, Matteo Papini, Marcello Restelli·· 5 小时前
Loopless Variance-Reduced PG 接近极小极大最优
Variance-Reduced Policy Gradient is Nearly Minimax-Optimal
arXiv:2610.13692v1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：Leonardo Cesani, Matteo Papini, Marcello Restelli
研究任务与主要进展
基于论文摘要，作者提出 Loopless Variance-Reduced PG（LVR-PG），统一递归更新与防御性重要性采样的一阶策略梯度估计器，并声称其对一般参数化策略实现近似的 ε^-2 末次迭代全局收敛。作者进一步将下界扩展到连续参数化策略，得到 样本复杂度限制，据此声称该算法在忽略对数因子和时间跨度项后达到极小极大最优；摘要未提供实验或基准结果。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
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