arXiv · ML· Irene Aldridge·· 5 小时前AI 评分26
自适应策略审计的基于后悔的特征、信息限制与样本复杂度
Regret-based Characterization, Information Limits, and the Sample Complexity of Auditing Adaptive Policies
AI 导读
研究提出自适应策略审计的基于后悔的特征、信息限制与样本复杂度分析。 在有限时域 MDP 中，策略性能差 $J(\pi)-J(\nu)$ 等于 $\sum_t \text{tr Cov}(Q^\nu_t,\pi_t)$。估计该值需 $\Theta(\bar\chi^2 \log(1/\eta)/\delta^2)$ 轮次，且确定性非恒定策略不可审计。
来源：arXiv · ML · arxiv.org