双层强化学习中的样本复杂度界限

本研究解决了双层强化学习（BRL）中样本复杂度理论基础不足的问题，首次给出了样本复杂度的结果，界限为$\epsilon^{-4}$。通过开发一种无海森矩阵的梯度算法，我们提出了一个高效的计算方法，确保了可扩展性，推动了AI对齐等领域的进步。