arXiv Artificial Intelligence· Julien Roger, Sam Bodmer, Jian Qian, Benjamin Riviere·2026-10-15 12:00· 18 小时前AI 评分22

面向平均奖励 Q-learning 与 Q-planning 的混合正则化方法

Mixing Regularization for Average-Reward $Q$-Learning and $Q$-Planning

AI 导读

针对平均奖励强化学习中 Bellman 算子仅在马尔可夫链混合时才具备 span 收缩性的难题，研究者提出在给定与奖励无关的 m-step 混合策略下，通过向该策略正则化来控制学习策略的收缩与探索性质。