研究提出无折扣互模拟度量的博弈论基础

2026年10月30日，相关研究提出了一种基于博弈论的无折扣互模拟度量统一基础。该研究将度量算子重新解释为零和回合制博弈的 Bellman-Shapley 算子，解决了强化学习在总回报与平均回报场景下的度量构建难题。通过将度量定义为对应的博弈价值函数，该方法即使在折扣因子为1时也能获得唯一定义。此外，研究还为总回报和平均回报环境下的聚合规划提供了误差与次优性理论保证。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。