扩散模型离线估计Q*框架提出

Xiaohong Chen 等作者提出一种离线强化学习框架，把最优 Bellman 算子的估计与价值函数学习分开：先用条件扩散模型从数据中估计奖励律和转移核，得到最优 Bellman 算子的数据驱动近似，再通过最小化神经网络上的经验 Bellman 残差，得到 Q* 的深度估计。 该框架针对的是离线 Deep Q* 估计问题，作者称其目的是解决算子估计与价值函数学习耦合带来的困难。目前公开信息为方法描述，尚未给出该估计在具体任务上的效果数据。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。