arXiv · Machine Learning Theory· Qian Zuo, Francesco Emanuele Stradi, Leyang Xue, Sattar Vakili·2026-10-05 12:00· 16 小时前AI 评分25

含逐步约束 CMDP 的实例相关遗憾界研究

Instance-Dependent Regret for CMDPs with Step-Wise Constraints

AI 导读

该研究针对带逐步安全约束的 episodic tabular 约束马尔可夫决策过程（CMDP），提出 Safe Variance-Adaptive Exploration（SVAE）算法，在学习安全子图的同时进行方差自适应乐观规划。