首个策略防伪深度强化学习在线资源分配机制发布

研究者提出首个面向在线资源分配的策略防伪深度强化学习机制：用单调神经网络学习非线性资源交互，并以广义临界支付保证策略防伪性与个体理性。 在四资源流实验中，该神经规则达到离线福利上界的97.8%，高于线性学习器的93.8%和先到先服务的89.0%。作者称，模仿学习仅用261秒即达97.5%，比强化学习快约89倍。

AI 根据报道生成 · 38 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。