arXiv · cs.AI· Shripad V. Deshmukh, Yaswanth Chittepu, Dhawal Gupta, Philip Thomas, Scott Niekum·· 2 天前
强化学习中的凸—凹策略优化方法
Convex-Concave Reinforcement Learning
arXiv:2610.09108v1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：Shripad V. Deshmukh, Yaswanth Chittepu, Dhawal Gupta, Philip Thomas, Scott Niekum
首次提交：2026-10-07 04:59
研究任务与主要进展
论文提出多步凸—凹强化学习（CCRL），将策略学习逐轮目标表示为带凸约束的差凸规划，并用序贯凸规划求解。
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