研究团队提出无模型连续时间强化学习算法PhiBE-PI

2026年10月22日，研究者在arXiv发布论文，提出了基于PhiBE-Q的无模型策略迭代框架PhiBE-PI。该框架仅利用单份离散时间离线数据，无需估计漂移或扩散项即可实现连续时间强化学习。其采用单个状态-动作critic维持动作排序尺度，在线性函数逼近设定下给出了局部端到端次优性理论界。此外，该分析还揭示了采样间隔缩小虽能改善连续时间逼近，但在固定样本量下会放大统计误差的偏差-方差权衡问题。

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。