arXiv 机器学习· Kaixuan Liu, Guojun Xiong, Shengpu Tang, Wanyun Si, Jian Li·· 8 小时前AI 评分29
低秩 CMDP 的可证明高效表征学习
Provably Efficient Representation Learning for Low-Rank CMDPs
AI 导读
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。
来源：arXiv 机器学习 · arxiv.org