arXiv · cs.AI· Xiang Li, Yuheng Zhang, Nan Jiang·· 5 小时前
研究将离线策略优化从逐步镜像下降扩展至参数化策略
Beyond State-Wise Mirror Descent: Offline Policy Optimization with Parametric Policies
arXiv:2602.23811v5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：Xiang Li, Yuheng Zhang, Nan Jiang
研究任务与主要进展
作者研究一般函数逼近下的离线强化学习，将相关理论保证扩展到适用于大动作空间或连续动作空间的参数化策略类别。论文摘要称，参数化策略的关键难点是上下文耦合，研究通过连接镜像下降与自然策略梯度，提出新的分析、理论保证和算法启示，并揭示离线强化学习与模仿学习之间的一种统一关系。材料仅提供论文摘要，未说明实验、基准或具体代码细节。
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