提出Q-MMR算法,通过矩匹配目标学习样本权重用于有限视界MDP的离线策略评估,在仅假设Q函数可实现的情况下获得了与函数类复杂度无关的无维度有限样本保证,并揭示了离线强化学习中覆盖率的本质。
机构:南大
来源:arXiv 2605.06474 | AI4Papers 论文推荐平台