Langevin

新的Malliavin微积分方法估计自适应IRL的反事实梯度

研究人员开发了一种新颖的被动自适应逆强化学习（IRL）算法，该算法通过观察前向学习者的梯度来重建其损失函数。这种新方法利用Malliavin微积分来有效地估计反事实梯度，这在被动IRL场景中至关重要但难以获得。通过将条件化重塑为涉及Malliavin量的不条件期望之比，该算法实现了标准的估计速率，并为这个复杂的梯度估计问题提供了一种具体的方法。