无穷小算子世界模型：离线强化学习有限样本保证

2026年10月12日，arXiv Statistics Machine Learning 发布论文《无穷小算子世界模型：离线强化学习的有限样本保证》。该研究提出一种基于算子理论的无穷小算子世界模型，将离线强化学习与 Hamilton-Jacobi-Bellman 方程相连，用受控扩散过程的无穷小生成元在再生核希尔伯特空间中表示世界模型。论文在生成元近似误差足够小时证明值函数的全局收敛性，并给出与系统平滑性、稳定性直接挂钩的显式有限样本保证。理论与概念验证结果表明，算子方法有望用于连续时间最优控制下的离线强化学习。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。