arXiv · cs.AI· Yaomin Wang, Jianting Pan, Ran Tian, Xiaoyang Li, Yu Zhang, Hengle Qin, Tianshu YU·· 1 天前
AdaGamma：用状态依赖折扣实现强化学习时间适应
AdaGamma: State-Dependent Discounting for Temporal Adaptation in Reinforcement Learning
arXiv:2605.06149v2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：Yaomin Wang, Jianting Pan, Ran Tian, Xiaoyang Li, Yu Zhang, Hengle Qin, Tianshu YU
研究任务与主要进展
AdaGamma是面向深度Actor-Critic强化学习的状态依赖折扣框架，通过有界折扣函数和返回一致性目标，避免学习折扣时直接操纵TD bootstrap目标。摘要称其在SAC和PPO中避免了TD-collapse并改善连续控制基准，且在京东物流四周在线A/B测试中取得统计显著的增益；有限表格MDP中的收缩性、精确软策略迭代和Lipschitz敏感性结论由作者给出。
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