Q-MMR：离线策略评估新框架
热点事件持续更新
Q-MMR：离线策略评估新框架
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Xiang Li 与 Nan Jiang 提出离线策略评估理论框架 Q-MMR，用于有限时域 MDP。该框架为每个数据点学习标量权重，使重加权奖励逼近目标策略的期望回报；权重通过针对价值函数判别器类的矩匹配目标，以自顶向下方式归纳学习。 作者称，该框架仅需 Q^π 可实现性即可建立与维度无关的有限样本保证，误差不依赖函数类的统计复杂度。研究还建立了 Q-MMR 与重要性采样、线性 FQE 等现有方法的联系，并重新审视离线强化学习中覆盖性的本质。
AI 根据报道生成 · 54 分钟前更新
最新进展10月26日 12:00
Q-MMR：基于递归重加权与矩匹配的离策略评估框架报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv cs.AIQ-MMR：基于递归重加权与矩匹配的离策略评估框架
Q-MMR 提出一种有限时域 MDP 下的离策略评估理论框架，为每个数据点学习标量权重，使重加权奖励逼近目标策略的期望回报，权重通过针对价值函数判别器类的矩匹配目标以自顶向下方式归纳学习。该框架仅需 Q^π 可实现性即可建立与维度无关的有限样本保证，误差不依赖函数类的统计复杂度。研究还建立了其与重要性采样、线性 FQE 等现有方法的联系，并重新审视离线 RL 中覆盖性的本质。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。