arXiv · cs.AI· Brett Daley·· 8 小时前
Gated Q-learning：可调节离策略偏差的多步Q学习方法
Gated Q-learning: Add Off-Policy Bias to Taste
arXiv:2607.28916v2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：Brett Daley
研究任务与主要进展
作者提出Gated Q-learning框架，用连续的状态—动作相关门控机制在Watkins’ Q(λ)与Peng’s Q(λ)之间平滑调节离策略偏差和多步信用分配时域。基于论文摘要，作者给出期望算子为压缩映射并可求出精确固定点的理论结果，实验评估称中间门控能够安全支持更长的信用分配时域，并获得比两种极端方法更快的初期学习。
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