研究人员开发了一种新的Q学习变体，旨在处理强化学习环境中的对抗性腐败奖励。这种新颖的算法在异步采样条件下进行了分析，并提供了有限时间内的鲁棒性保证。该算法的性能与现有界限相匹配，并增加了一个与腐败样本相关的项，同时确立了一个近乎最优的信息论下界。 AI
影响 引入了一种更鲁棒的强化学习算法，有可能提高在奖励信号可能嘈杂或被操纵的实际应用中的可靠性。
排序理由 详细介绍新算法及其理论保证的学术论文。 [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 →