两篇新研究论文探讨了离策略时序差分学习在AI领域的进展。第一篇论文介绍了STHTD-MP，一种利用行为策略转换信息来改善预测几何形状的方法，其平均收缩因子可能比现有方法更小。第二篇论文提出了BA-TDC和BA-TDRC，它们用行为贝尔曼矩阵取代了标准的辅助协方差几何，证明了这种行为感知方法是有益的，尽管在复杂场景下仍需要正则化以获得稳健的性能。 AI
影响 这些论文引入了提高AI学习算法稳定性和效率的新技术，可能导致更稳健、更快速的AI模型训练。
排序理由 该集群包含两篇在arXiv上发表的学术论文，详细介绍了AI中时序差分学习的新方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.28849v1 Announce Type: new Abstract: Gradient temporal-difference methods provide stable off-policy prediction with linear function approximation, but their practical performance is strongly affected by the geometry induced by the auxiliary-variable metric. Existing Mi…
arXiv:2605.28855v1 Announce Type: new Abstract: Temporal-difference learning with function approximation can be unstable under off-policy sampling. TDC stabilizes off-policy TD through an auxiliary covariance correction, and TDRC further regularizes this correction in a single-ti…