首个策略防伪深度强化学习在线资源分配机制

2026年10月28日，arXiv Artificial Intelligence 刊出 Fariba Dehghan 等作者的论文，提出首个面向在线资源分配的策略防伪深度强化学习机制。该机制用单调神经网络学习非线性资源交互，并配合广义临界支付，以保证策略防伪性与个体理性。在含两对合作方、线性规则无法表达的四资源流上，该神经规则达到离线福利上界的97.8%，线性学习器为93.8%，先到先得为89.0%。模仿学习仅用261秒即达97.5%，比强化学习快约89倍。报道未提及该机制的适用对象、收费或额度、地域及发布时间等限制条件。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。