研究者提出Q-MMR离线策略评估理论框架

Xiang Li 与 Nan Jiang 发布论文，提出面向有限时域 MDP 的离线策略评估理论框架 Q-MMR：为每条数据学习一个标量权重，使重加权奖励逼近目标策略的期望回报，权重通过对价值函数判别器类的矩匹配目标自顶向下归纳学习。 论文称，在仅需 Q^π 可实现的条件下，可建立数据相关的有限样本保证，且误差界与函数类的统计复杂度无关。该方法还与重要性采样、线性 FQE 等已有方法建立联系，并对 offline RL 中覆盖性的本质给出新的分析。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。