arXiv · cs.AI· Kintan Saha, Ahana Deb, Anders Jonsson, Debabrota Basu·· 6 小时前
带 Options 的平均奖励 Q-learning 非渐近收敛分析
Non-asymptotic Convergence of Average-reward Q-learning with Options
arXiv:2610.20347v1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：Kintan Saha, Ahana Deb, Anders Jonsson, Debabrota Basu
研究任务与主要进展
作者研究了带 options 的平均奖励 Q-learning，并声称首次给出 inter-option 与 intra-option 设置下均方意义为 O~(1/iterations) 的有限样本收敛保证。基于论文摘要，作者证明两类多步 option Bellman 算子在 unichain 假设下满足多步 span 收缩，提出同步估计器及两种算法，并在文献采用的最小条件下证明其收敛速率。
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