TCIRL 框架实现非马尔可夫环境下时序因果推理

研究者提出 TCIRL 框架，解决非马尔可夫环境中隐藏时间相变观测难题。该框架在无法直接观察隐藏相变的情况下，同步执行控制策略学习与相变成因推断，突破传统强化学习在复杂时序动态中的局限性。 TCIRL 通过维护假设确定性有限自动机（DFA）并采用基于反例的 SAT 综合技术进行修正，理论证明假设几乎必然收敛至生成最优策略的 DFA。在基因疗法网格世界及交通信号灯环境的实验中，TCIRL 成功恢复成因 DFA，表现达到全信息基线水平，验证了框架的有效性与准确性。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。