arXiv · cs.AI· Haruki Settai, Tadashi Kozuno, Shinji Ito·· 6 小时前
半梯度时序差分学习的收敛性：平均场视角
On the Convergence of Semi-Gradient TD: A Mean Field Perspective
arXiv:2610.20014v1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：Haruki Settai, Tadashi Kozuno, Shinji Ito
研究任务与主要进展
基于论文摘要，作者分析两层神经网络在半梯度时序差分学习中的稳定性，提出熵诱导松弛压过移动自举目标敏感性的条件，并报告在该条件下指数收敛至唯一不动点。作者进一步量化该不动点相对未正则化 Bellman 解的偏差，并将同一机制扩展到软 Q 学习的熵正则化离策略控制；材料未提供具体定理条件、实验或基准细节。
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