English(EN) Exponential Hardness of Off-Policy Evaluation under History-Dependent Logging

研究论文强调策略外评估的指数级难度

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-17 04:00

一篇新发表在arXiv上的研究论文探讨了在部分可观察马尔可夫决策过程（POMDP）中，当记录机制依赖于历史数据时，策略外评估的固有难度。研究表明，即使有大量的记录数据，准确评估目标策略价值的能力也可能受到指数级的限制。这种限制源于记录器对历史的依赖，这会模糊关键的转移信息，尤其是在发生重置时。该论文精确地描述了这一统计挑战，并提出了一个最优估计器，说明了在特定揭示行为定义下问题的棘手性。 AI

影响为在复杂、部分可观察的环境中评估AI代理建立了理论极限。

排序理由发表在arXiv上的学术论文，详细介绍了强化学习中的一个理论发现。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 11 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 发表在arXiv上的学术论文，详细介绍了强化学习中的一个理论发现。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, other; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Same-day; Cluster formed today. Ranking reflects the current source set at time of score.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Pranaya Jajoo · 2026-09-17 04:00

指数级历史依赖日志记录下的策略外评估难度

arXiv:2609.19135v1 Announce Type: new Abstract: Can a logged dataset visit every hidden state frequently and still be exponentially uninformative about a target policy's value? We show that it can when the logger depends on history. For every horizon $H \ge 3$, we construct two P…

本文如何被排名

报道来源 [1]

指数级历史依赖日志记录下的策略外评估难度

相关实体

相关话题