研究人员开发了一种新的马尔可夫决策过程（MDP）模型学习方法，该方法考虑了转移概率之间的依赖关系。该方法使用参数化MDP（pMDP）将转移概率表示为共享参数的函数，从而实现更准确的不确定性量化。所提出的技术将统计不确定性投影到参数空间，创建了一个可能近似正确（PAC）的不确定性模型，该模型尊重代数依赖关系，与传统方法相比，不确定性估计更精确。 AI
影响 引入了一种更鲁棒的决策过程不确定性建模方法，可能改进强化学习代理。
排序理由 这是一篇详细介绍学习不确定性MDP新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
arXiv:2605.01339v1 Announce Type: new Abstract: Learning-based approaches to verifying unknown Markov decision processes (MDPs) often employ uncertain MDPs. These models use, for example, confidence intervals to capture transition uncertainty and allow synthesis of policies that …