arXiv Artificial Intelligence· Yize Hao, Guangxin Jiang, Shuang Qiu·2026-10-15 12:00· 18 小时前AI 评分22

离线 Q-Learning 结合 KL 正则化实现快速收敛率

Fast Rates for Offline Q-Learning with KL Regularization

AI 导读

研究针对有限时域马尔可夫决策过程的离线 Q-learning，提出 KL 正则化 Q-Learning（KLQ），无需显式悲观主义即可达到 Õ(1/ε) 的样本复杂度，但对 KL 正则化参数和时域存在指数依赖。