KL正则化离线Q学习的快速样本复杂度理论保证
热点事件持续更新
KL正则化离线Q学习的快速样本复杂度理论保证
1 篇报道1 个报道来源11 小时前更新
先了解这件事
AI 综述
Yize Hao、Guangxin Jiang、Shuang Qiu 在 arXiv 发布论文，针对表格型有限时域 MDP 的离线 Q 学习，提出 KLQ 与 KLPQ 两个算法，并给出 tilde-O(1/ε) 的样本复杂度保证，作者称这是该设定下离线 Q 学习的首个快速速率保证。 其中 KLQ 的保证对 KL 正则化参数和时域存在显式指数依赖；KLPQ 通过加入悲观主义移除了这一指数依赖。以上结论基于论文摘要。
AI 根据报道生成 · 1 小时前更新
最新进展10月14日 12:00
KL正则化离线Q学习的快速样本复杂度保证报道时间线
沿着报道，了解事件的不同侧面。
10月14日
- arXiv · cs.AIKL正则化离线Q学习的快速样本复杂度保证
基于论文摘要，作者提出KL-regularized Q-Learning（KLQ）和KL-regularized Pessimistic Q-Learning（KLPQ），研究表格型有限时域MDP中的离线Q学习。作者报告两者均获得tilde-O(1/ε)样本复杂度，但KLPQ通过加入悲观主义移除了对KL正则化参数和时域的显式指数依赖；摘要称这是该设定下离线Q学习的首个快速速率保证。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。