arXiv · ML· Hao Cheng, Yuling Jiao, Lican Kang, Jerry Zhijian Yang, Chen Zhong·· 5 小时前AI 评分26
基于条件流模型的离线最大熵强化学习方法
Conditional Flow Models for Offline Maximum Entropy Reinforcement Learning
AI 导读
提出基于条件扩散模型和概率流ODE的离线最大熵强化学习框架，分别估计条件奖励分布和转移核，并最小化经验Bellman残差估计最优软动作价值函数。 建立了非渐近保证，包括总变差误差界和Hölder正则性下的超额Bellman残差风险界，无需Bellman完备性假设。 数值实验支持理论发现并验证方法有效性。
来源：arXiv · ML · arxiv.org