10:16
官方账号arXiv cs.LG@Xiaohong Chen, Yuling Jiao, Lican Kang, Jerry Zhijian Yang, Chen Zhong
推荐理由：这篇用扩散模型估计奖励和转移核，再学Q*，收敛率给得很细，还绕开了RL里常见的完整性假设。
Q*估计
共 1 条相关 AI 资讯
8月17日
10:16
论文提出用条件扩散模型估计奖励函数和转移核，以构建离线强化学习中的最优Bellman算子。理论给出该算子在总变差距离下的非渐近收敛速率，以及Q*估计的L2收敛率O(n^{-β/(d_x+d_a+2β)})。该分析不依赖完整性假设，状态维度d_x、动作维度d_a和Hölder平滑度β决定了收敛速度。