SOReL 实现完全离线强化学习

研究人员提出完全离线贝叶斯模型基强化学习方法 SOReL，实现了零在线交互的超参数选择。 SOReL 通过动态后验分布学习和预测不确定性估计策略价值。该方法还扩展出 TOReL 框架，适用于任意模型基或非模型基的离线强化学习算法。 理论证明表明，该贝叶斯方法在标准正则性条件下达到了极小极大最优参数速率。