arXiv · ML· Yifan Zhang, Liang Zheng, Qifan Zhang·· 9 小时前AI 评分23
BAPR：用于非平稳连续控制的贝叶斯健忘分段鲁棒强化学习
BAPR: Bayesian amnesic piecewise-robust reinforcement learning for non-stationary continuous control
AI 导读
BAPR 结合贝叶斯在线变点检测与鲁棒集成 RL，解决分段平稳控制中的适应性困境。 其算子为 $\gamma$-收缩，Lean 4 机器验证证明当信念依赖 Q 函数时收缩失效的锐利边界条件。 通过冻结信念分布实现自适应保守机制，检测延迟为 $O(\log(1/\delta))$。
来源：arXiv · ML · arxiv.org