论文提出κ-Explorer主动探索算法

2026年10月20日，Xihe Gu、Urbashi Mitra和Tara Javidi在arXiv机器学习频道（cs.lg）发表论文，提出名为κ-Explorer的主动探索算法。该算法用于准确估计未知马尔可夫决策过程（MDP）的转移动态。 该算法的核心机制是利用估计内在复杂性与外在访问频率的κ次方比来构造探索奖励，以此优化界定最小极大估计误差的代理目标函数。 研究在足够大的κ值条件下，建立了代理目标差距为$\widetilde{O}(t^{-1/3})$的有限样本保证，为主动模型估计提供了理论支持。

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。