arXiv · cs.AI· Kintan Saha, Hamed Masoudi, Xinyi Sheng, Dominik Baumann, Joni Pajarinen, Arsenii Mustafin·· 1 天前
V-SHARE：为优势型强化学习算法提供可证明的收敛保证
V-SHARE: Provable Convergence Guarantees for Advantage-based Algorithms
arXiv:2610.21448v1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, Hamed Masoudi, Xinyi Sheng, Dominik Baumann, Joni Pajarinen, Arsenii Mustafin
研究任务与主要进展
作者提出优势型价值学习算法V-SHARE，通过跨动作价值共享和重要性加权Bellman残差修正，给出渐近收敛与非渐近有限样本保证。论文摘要称，该方法可在一定条件下缓解异步Q-learning的稀有动作瓶颈，并揭示更强确定性收缩与更高重要性加权噪声之间的权衡；其在离散MDP和深度强化学习基准上的实验支持了这些结果，当前信息仅来自论文摘要。
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