Q-function
PulseAugur coverage of Q-function — every cluster mentioning Q-function across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
arXiv 迎来关于提升推理和鲁棒强化学习的新研究
2026年10月26日,两篇新的研究论文提交至arXiv,分别聚焦于AI的不同领域。第一篇论文“Query-Driven Learning for Lifted Reasoning”探讨了在一阶逻辑环境中整合学习与推理,提出了一种具有理论效率保证的算法。第二篇论文“Provably Efficient Q-learning for Robust Reinforcement Learning”为马尔可夫决策过程中的鲁棒强化学习引入了一种…
-
新AI方法RQA促进多智能体博弈中的合作
研究人员开发了一种名为互惠Q增强(Reciprocal Q-Augmentation, RQA)的新方法,以促进一般和博弈中的合作,在这种博弈中智能体可能存在利益冲突。RQA使用潜在变量对手模型来增强智能体的Q函数,使其能够估计其行动对其他智能体的影响。这种方法使智能体能够仅使用自身的Q函数来学习合作和背叛策略,与标准的合作算法相比,在社会困境中能够更快地达到更高水平的合作。此外,单个RQA智能体可以诱导使用传统强化学习算法训练的智能体进行合作。
-
新的 Q-迭代方法解决了连续动作零和马尔可夫博弈问题
研究人员开发了一种在线拟合 Q-迭代新方法,用于连续动作零和马尔可夫博弈。该方法利用凸凹神经网络函数逼近器来确保极小极大问题的纯策略鞍点。该研究为具有连续状态和动作的非线性二次博弈建立了有限样本保证,标志着该领域的一项重大进展。
-
新方法通过以决策为中心的抽象增强离线强化学习
研究人员开发了一种新的离线强化学习方法,该方法侧重于创建以决策为中心的抽象。这种方法旨在保留学习最优动作的关键信息,同时丢弃不相关的状态动态。所提出的技术利用因果机器学习和统计稀疏学习来估计Q函数差值,有可能导致更有效的决策过程。该方法在模拟和增强的真实世界数据中展示了方差改进,并分离了顺序决策的关键信息。
-
研究质疑强化学习微调中的Q函数预训练
一篇新的研究论文质疑在强化学习(RL)中微调策略时预训练Q函数的必要性。研究发现,由于预训练的Q函数与在线微调最终收敛的Q函数之间存在不匹配,朴素的Q函数预训练通常比随机初始化带来的优势很小。为了解决这个问题,研究人员提出了策略集成初始化(IPE)方法,该方法使用来自不同策略的汇集数据来引导Q函数学习,在连续控制基准测试中显示出平均1.26倍的微调性能提升。
-
新的强化学习方法使用 K 步前瞻实现更快的学习
研究人员开发了一种新颖的强化学习方法,用于非周期性、有限时间范围的马尔可夫决策过程 (MDP)。该方法引入了一种修改后的 Q 函数,将规划限制在 K 步前瞻,并包含一个阈值机制,仅当估计值超过动态阈值时才选择动作。提出了一种高效的表格学习算法,证明了快速有限样本收敛性,并实现了 K=1 时的 minimax 最优常数遗憾,以及 K>=2 时的改进遗憾界限。在合成 MDP 和 JumpRiverswim、FrozenLake 和 Any…
-
新的DRRL算法通过线性逼近实现有限时间收敛
研究人员开发了一种新的分布鲁棒强化学习(DRRL)算法,即使在使用线性函数逼近的情况下也能提供有限时间收敛保证。该算法解决了现有DRRL方法的局限性,这些方法通常需要表格设置或特定的结构假设。新方法结合了目标网络和对偶函数逼近方案,利用矩跟踪批评者和后缀平均来实现收敛到最优鲁棒Q函数。
-
AI 研究人员为时序逻辑策略开发新的值函数
研究人员开发了一种新的方法,用于在强化学习中构建时序逻辑规范的最优策略。该方法通过分解值函数并创建考虑状态历史的非马尔可夫策略,在现有工作的基础上进行了扩展。Q 函数也被用作复杂时序逻辑任务的安全过滤器,将先前能力扩展到基本的到达和避免场景之外。