behavior-policy-search

标签

#behavior-policy-search

面向低方差在线策略评估的鲁棒数据收集策略学习

arXiv cs.LG ↗ · 2026-08-26 缓存

本文提出了一种鲁棒的基于梯度的算法，用于学习行为策略，以降低在线强化学习策略评估中的方差，通过理论保证和数值验证来处理转移函数中的不确定性。

0 人收藏 0 人点赞

← 返回首页

提交意见反馈