arXiv论文：未知MDP几乎必然可达性认证

S Akshay、Suguman Bansal和Gaurav Mahla在arXiv论文（2610.18119）中研究仅凭采样访问、在未知马尔可夫决策过程（MDP）中学习并验证策略满足几乎必然可达性证书的问题，作者称这是该问题的首个研究。 论文摘要给出的结论是：在没有关于MDP的额外信息时，既无法学习这样的证书，也无法以概率保证验证候选证书；若已知非零转移概率的下界p_min这一温和限制，则可以PAC式保证学到正确的证书。 实验显示基于p_min的充分条件虽然可靠但偏保守：即使该条件不满足，学得的证书在真实MDP上有时仍然有效。

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。