arXiv · ML· Gr\'egoire Ouerdane, Sinan Ibrahim, Stefan Streif, Pavel Osinenko·· 4 小时前AI 评分21
基于对偶最优性的强化学习真值优先基准测试框架：从平滑全观测系统到非平滑或部分观测任务
Ground-Truth-First Benchmarking of Reinforcement Learning via Converse Optimality: From Smooth, Fully Observed Systems to Non-Smooth or Partially Observed Tasks
AI 导读
提出一种基于对偶最优性的真值优先基准测试框架，通过预置认证最优值函数和策略进行评测，避免传统相对排名依赖奖励设计。 框架统一了敏感性基准测试和参考预言机比较模式，适用于串行平面机械臂和非完整车辆等任务，支持非仿射接口和部分观测评估。 该框架消除外部积分选择干扰，实现了对非平滑和部分观测任务的严谨评测，代码与诊断工具已公开。
来源：arXiv · ML · arxiv.org