自适应策略审计的后悔特征与信息限制研究

2026 年 11 月 4 日，arXiv（cs.lg）发布最新研究，针对自适应策略审计提出基于后悔的特征、信息限制与样本复杂度分析。该研究聚焦于有限时域 MDP 环境，深入探讨策略评估的数学基础与算法边界。\n\n研究指出，在有限时域 MDP 中，策略性能差 $J(\pi)-J(\nu)$ 可分解为 $\sum_t \text{tr Cov}(Q^\nu_t,\pi_t)$。为准确估计该值，所需轮次复杂度量化为 $\Theta(\bar\chi^2 \log(1/\eta)/\delta^2)$。\n\n该分析进一步揭示了算法的固有限制，证明在特定条件下，确定性非恒定策略是不可审计的。这一结果明确了自适应策略审计在信息获取与样本需求上的理论边界。

AI 根据报道生成 · 3 小时前更新