研究者提出低秩CMDP无模型表征学习算法MFRLC

1. 13:00
   arXiv 机器学习

   低秩 CMDP 的可证明高效表征学习

   针对低秩约束马尔可夫决策过程（CMDP），研究人员提出了结合 LSVI-UCB 与原始-对偶技术的无模型表征学习算法 MFRLC，以平衡奖励遗憾与约束违背。该算法直接学习表征到价值函数的映射而无需显式估计转移核，在 K 轮部署中以高概率实现了与状态空间大小无关的 $\widetilde O(K^{3/4})$ 奖励遗憾和累积约束违背。

Current heat 8·Comparable peak 10（Nov 6 14:00）·Comparable change, last 24 hours–

Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.