跳到正文
arXiv · ML· Andrew Liu·· 9 天前AI 评分21

KL 正则强化学习的尖锐样本复杂度

Sharp Sample Complexity of KL-Regularized Reinforcement Learning

AI 导读

研究证明在折扣 MDP 中,基于插件估计器的 KL 正则强化学习样本复杂度为 $\widetilde{O}(KH^3/(\epsilon\max\{\epsilon,\beta\}) + KH)$。 该界在 $\epsilon \lesssim \min\{H, H^2/\beta\}$ 时是尖锐的,且与无正则化强化学习具有相同的视界依赖项。

来源:arXiv · ML · arxiv.org