待验证50% 置信事实精确时间
论文提出的算法在对抗性表格MDP中达到已知转移下遗憾界Õ(√(HS(H+A)T))和未知转移下Õ(HS√(AT))。
1
来源数
50%
置信度
长期有效
时效性
2026/10/12
首次发现
来源
涉及实体
相关事实
待验证线性混合MDP是一类函数近似设定，转移概率被假设为已知基特征的线性组合：P(s'|s,a)=Σφ_i(s'|s,a)θ_i，其中φ_i是已知特征，θ是未知参数，允许状态空间巨大甚至连续但保留可学习的线性结构。63% 相似待验证MSE损失函数对参数W的偏导为 ∂L/∂W = (2/n) * Xᵀ(XW - y)，对b的偏导为 ∂L/∂b = (2/n) * Σ(y_pred - y)61% 相似待验证哈达玛矩阵满足正交性条件 H_n · H_n^T = n · I_n，使哈达玛变换可逆且不丢失信息61% 相似待验证论文假设可以访问MDP的生成式模型，即算法能够对任意状态-动作对进行采样查询61% 相似待验证DT-DRO的形式化问题存在计算上可行的对偶重构61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1012964API
curl https://kongchang.com/api/v1/knowledge/claims/1012964MCP
get_claim(id=1012964)