arXiv · cs.AI· Hanzhen Wang, Boxiang Lyu, Zhongxiang Dai, Siyang Gao, Dake Zhang, Shuang Qiu·· 6 小时前
研究提出基于优化确定性等价物的可证明高效离线风险敏感强化学习方法
Provably Efficient Risk-Sensitive Offline Reinforcement Learning via Optimized Certainty Equivalents
arXiv:2610.21870v1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：Hanzhen Wang, Boxiang Lyu, Zhongxiang Dai, Siyang Gao, Dake Zhang, Shuang Qiu
研究任务与主要进展
基于论文摘要，作者针对离线风险敏感强化学习提出优化确定性等价物（OCE）框架，并研究动态-OCE与静态-OCE两种形式。作者为两种形式设计悲观值迭代算法，建立次线性次优界和最小最大次优下界；随后将一般OCE风险准则扩展到线性函数逼近，并给出依赖效用函数与特征维度 d 的次线性保证。
阶段、条件与复现 · 深读核对
- 任务输出与输入访问模型是什么？
- 在什么假设、规模与资源条件下成立？
- 与哪种经典基线比较，是否计入编码与读出？
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