arXiv 机器学习· Junyi Liao, Hangqi Ren, Zhuoran Yang·· 7 小时前AI 评分32
存在未测量混淆时的可迁移离线强化学习
Transportable Offline Reinforcement Learning in Presence of Unmeasured Confounding
AI 导读
研究人员提出了因果调整迁移性框架，结合迁移理论、工具变量与代理变量，解决离线强化学习在多源异质数据中面临未测量混淆与领域差异并存时的策略学习难题。该框架针对混淆上下文老虎机与混淆马尔可夫决策过程分别构建了 CAT-CCB 和 CAT-CMDP 算法，并在有限维线性类下获得了标准的 $\widetilde{\mathcal O}(N^{-1/2})$ 有限样本次优界保证。
来源：arXiv 机器学习 · arxiv.org