双层强化学习一阶方法样本复杂度获改进

Mudit Gaur、Naman Saxena 和 Vaneet Aggarwal 提交论文，提出一种面向双层强化学习的单循环、完全一阶方法，适用于连续状态与有限动作，采用指定的多层神经网络 actor 和由固定特征构建、持续训练的非线性 critic。 作者称，在显式初始化、正则性、特征激励与价值可实现等条件下，固定的参考 KL 正则化可产生局部曲率，并证明耦合迭代保持有界；据此给出 $\widetilde{\mathcal O}(\varepsilon^{-2})$ 的样本复杂度，且覆盖 critic 训练。这些结论是论文在所述条件下的证明结果。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。