实体 CVaR-UCBVI

CVaR-UCBVI

PulseAugur coverage of CVaR-UCBVI — every cluster mentioning CVaR-UCBVI across labs, papers, and developer communities, ranked by signal.

总计 · 30天

1

90 天内 1

发布 · 30天

0

90 天内 0

论文 · 30天

1

90 天内 1

层级分布 · 90 天

主题

情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条

TOOL · CL_229240 · Sep 1 · 04:00

新的 CVaR-UCBVI 算法在强化学习中实现了近乎最小极大最优的遗憾

一篇新研究论文介绍了 CVaR-UCBVI 的无连续性近最小极大领先阶遗憾算法。该算法在有限时间表 CVaR 强化学习中实现了 \\(\\widetilde{O}(\\sqrt{SAK/\\tau})\\) 的更优遗憾率，且无需连续性假设。关键创新是对情节缺口的条件方差进行了自界定，将其代入 Bernstein 分解后，可为各种回报定律带来近乎最小极大最优的遗憾。