研究人员开发了一种新的半参数双强化学习（DRL）方法，旨在提高从随机实验中进行长时因果推断的效率和稳定性。该方法解决了完全非参数DRL的局限性，尤其是在处理弱时间重叠和高维占用率时。新方法对Q函数本身施加半参数限制，而不是对奖励和转移定律施加限制，从而在允许丰富模型的同时提供潜在的效率提升。为确保稳健性，估计量通过加权Bellman残差最小化来定义，即使在模型错误指定的情况下也保持有意义。 AI
影响 这项研究可能导致更稳定、更有效的方法来分析复杂系统中的长时因果效应，并可能影响依赖实验数据的领域。
排序理由 该集群包含一篇详细介绍强化学习新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
