学者提出带逐步安全约束的CMDP算法SVAE

2026年10月5日，研究人员在arXiv发布研究，针对具有逐步安全约束的分幕式表格约束马尔可夫决策过程（CMDPs），提出了安全方差自适应探索（SVAE）算法。该算法通过学习候选安全子图并执行方差自适应乐观规划，在K幕中成功实现了实例相关的累积遗憾界以及逐步约束违反界。此外，该研究还证明了SVAE算法具备关于K呈多对数关系的gap-dependent违反界，并确立了对应的理论下界。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。