研究提出首个策略证明深度强化学习在线资源分配机制

2026年10月28日，arXiv 发布一项新研究，提出首个策略不变深度强化学习在线资源分配机制。该机制通过单调神经网络和广义临界支付确保激励相容，在线资源分配中实现了 97.8% 的离线福利上界比例。 作为对比，线性规则仅能达到 93.8% 的上界比例，而该新机制成功关闭了 65% 至 80% 的剩余最优性差距。这一机制主要解决了现有策略不变强化学习中因线性分配规则导致的表达能力限制，以及近似激励保证不充分的问题。 在训练效率方面，该机制采用模仿学习方法进行训练，仅需 261 秒即可完成。这一速度比传统强化学习训练快 89 倍，显著提升了在线资源分配模型的部署与训练效率，为相关领域的实际应用提供了更高效的解决方案。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。