热点事件持续更新
首个支持聚合反馈对抗线性MDP的多项式时间最优算法提出
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
2026年10月23日，arXiv机器学习领域发布关于带聚合Bandit反馈对抗性线性马尔可夫决策过程（MDP）的研究。针对带未知转移、对抗性损失与Bandit反馈的分幕式线性MDP，该研究提出的新算法首次在多项式时间内实现了根号K的最优遗憾界。该方法将其规约为对抗性线性Bandit，利用近似分离预言机估计未知的策略特征动作集，且仅需聚合损失反馈。这是首个在超出表格形式场景下、支持聚合反馈对抗性MDP的多项式时间算法。
AI 根据报道生成 · 7 小时前更新
最新进展10月23日 12:00
新算法首次在多项式时间内实现分幕式对抗线性MDP的根号K最优遗憾界。报道时间线
沿着报道，了解事件的不同侧面。
10月23日
- arXiv 机器学习带（聚合）Bandit 反馈对抗性线性 MDP 的计算高效与速率最优算法
针对带未知转移、对抗性损失与 Bandit 反馈的分幕式线性 MDP，新算法首次在多项式时间内实现了 $\sqrt{K}$ 最优遗憾界。该方法将其规约为对抗性线性 Bandit，利用近似分离预言机估计未知的策略特征动作集，且仅需聚合损失反馈。这是首个在超出表格形式场景下、支持聚合反馈对抗性 MDP 的多项式时间算法。
本事件热度走势
当前热度 8·可比范围峰值 10（10月23日 13:00）·近 24 小时可比范围变化 –
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。