一篇已被撤回的研究论文提出了一种新颖的连续时间策略评估方法，称为高阶生成器回归。该技术旨在通过使用多步转移和矩匹配系数来估计时变生成器，从而改进标准的Bellman基线。该论文在理论上分解了估计误差，并提供了预期更高阶收益的制度图，在校准研究中显示出优于Bellman基线的持续改进。 AI
影响 这项研究探索了策略评估的先进技术，可能对强化学习应用产生影响。
排序理由 该集群包含一篇已撤回的学术论文，详细介绍了一种新颖的统计方法。[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 →
