arXiv发布Q-MMR离线策略评估框架论文

2026年10月26日，arXiv cs.AI 分区发布新论文，提出离线策略评估理论框架 Q-MMR。 该框架由 Xiang Li 与 Nan Jiang 提出，通过递归重加权使重加权奖励近似目标策略期望回报。权重利用矩匹配目标归纳学习，在仅假设 Q^π 可实现性的条件下，获得与函数类统计复杂度无关的无维度界。研究还揭示了 Q-MMR 与重要性采样及线性 FQE 等现有方法的联系，并深入分析了离线强化学习中“覆盖”概念的理论特性。

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。