跳到正文
arXiv · ML· Andrew Liu·· 4 天前AI 评分20

随机转移下离线 KL 正则化强化学习的样本复杂度

Offline KL-Regularized Reinforcement Learning with Stochastic Transitions

AI 导读

研究确定了未知随机转移有限 MDP 中离线 KL 正则化强化学习的样本需求,证明估计器在特定条件下需 $\Omega(KCH^3/(\epsilon\max\{\epsilon,\beta\}))$ 样本。

来源:arXiv · ML · arxiv.org