arXiv 机器学习· Rui Wang·· 7 小时前AI 评分33
认证指数：基于历史依赖日志的策略改进实例最优序贯认证
The Certification Exponent: Instance-Optimal Sequential Certification of Policy Improvement from History Dependent Logs
AI 导读
研究提出了实例最优认证指数 $K^\star$，解决了根据历史依赖日志以低于 $\delta$ 的错误率验证新策略是否优于已部署策略的问题。任何可靠认证器在期望上至少需要 $\log(1/\delta)/K^\star$ 个 episode，且 plug-in Kelly 认证器可达到该下界。
来源：arXiv 机器学习 · arxiv.org