研究人员开发了一种名为PEC的新算法,用于确定在固定策略下收集的数据是否可以区分两个候选的非马尔可夫决策过程(RDP)。他们证明了,即使策略访问了每个自动机状态,可观察等价的候选者也能保持相等的先验和后验赔率。PEC算法可以在与乘积自动机大小成线性的时间内决定这种等价性,并且在先前工作的假设失败的四个测试环境中,成功地恢复了三个环境中的可区分性。 AI
影响 提供了一种验证复杂决策模型中假设的新方法,有可能提高AI代理的可靠性。
排序理由 详细介绍新算法和理论结果的学术论文。[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 →