Jul, 2021

上下文回馈中的误差适应

TL;DR在这篇论文中,我们介绍了一种新的Oracle-efficient算法,适用于无限行动设置下的线性情境强化学习问题,该算法实现了最优的拟合程度依赖性回归(square loss regression)的后悔上限,使得它能够在未知的模型错误情况下灵活适应。