Actor-Critic Achieves Optimal Sample Efficiency

💡 原文英文,约100词,阅读约需1分钟。
📝

内容提要

本文提出了一种新颖的演员-评论者算法,有效解决了策略评估和优化中的样本复杂度问题,能够以较低的样本复杂度实现$ ext{ε}$-最优策略,尤其在离线数据中表现突出。

🏷️

标签

➡️

继续阅读