12:48
官方账号arXiv cs.LG@Lars van der Laan, Nathan Kallus
推荐理由：这篇论文提出FORE方法，只用占用率可实性就能做离线策略评估，省去Bellman完备性的复杂条件，适合研究强化学习的同学参考。
离线强化学习
共 3 条相关 AI 资讯
7月7日
12:48
FORE通过伴随Bellman递归直接估计折扣占用率，仅需占用率可实性条件，无需Bellman完备或投影算子稳定性。在总体层面，KL投影递归以相对熵形式向真实比率收缩。经验递归的有限样本遗憾界表明，KL收敛误差由对数比率逼近误差和假设类复杂度决定的统计误差组成。该方法支持奖励加权估计、占用加权拟合Q评估以及双重稳健估计。这一结果将折扣占用率可实性识别为离线策略评估的充分条件。
7月3日
09:23
09:23
官方账号arXiv cs.LG@Max Weltevrede, Matthijs T. J. Spaan, Wendelin Böhmer
推荐理由：这篇论文用理论和实验告诉你，离线RL里悲观多少不重要，悲观的结构对不对才关键，还给出了数据增强的正确用法。
6月19日
09:41
09:41
官方账号arXiv cs.LG@Ziheng Wei, Annie Qu, Rui Miao
推荐理由：想处理真实场景奖励缺失的强化学习玩家可以看这篇，用影子变量和桥函数解决偏差问题，实验比传统方法稳。