Feb, 2024

监控的马尔可夫决策过程

TL;DR在本文中,我们提出了一种新的强化学习框架-监控马尔可夫决策过程(Monitored MDPs),该框架解决了强化学习中奖励无法被完全观测到的问题,并讨论了该设置的理论和实践后果,提出了相应的算法。