半梯度TD平均场收敛性论文发布

Haruki Settai、Tadashi Kozuno、Shinji Ito 在 arXiv 发布论文《On the Convergence of Semi-Gradient TD: A Mean Field Perspective》，分析两层神经网络在平均场机制下半梯度时序差分学习的稳定性，称其识别出一种稳定机制：熵诱导松弛压过移动自举目标的敏感性。 作者称在该条件下证明了指数收敛到唯一不动点，并量化该不动点相对未正则化 Bellman 解的偏差；同一机制还被扩展到软 Q 学习的熵正则化离策略控制。材料基于论文摘要，未提供具体定理条件、实验或基准细节。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。