University of Texas at Austin（得克萨斯大学奥斯汀分校）

Dendrograms of Mixing Measures for Softmax-Gated Gaussian Mixture of Experts: Consistency Without Model Sweeps

混合测度的树状图用于Softmax门控高斯混合专家：无需模型扫描的一致性

Do Tien Hai, Trung Nguyen Mai, TrungTin Nguyen, Nhat Ho, Binh T. Nguyen, Christopher Drovandi

机构 * Faculty of Mathematics and Computer Science, University of Science, Ho Chi Minh City, Vietnam（越南胡志明市科学大学数学与计算机科学学院） ； Vietnam National University Ho Chi Minh City, Vietnam（越南胡志明市国家大学） ； Faculty of Information Technology, University of Science, Ho Chi Minh City, Vietnam（越南胡志明市科学大学信息技术学院） ； ARC Centre of Excellence for the Mathematical Analysis of Cellular Systems（细胞系统数学分析 excellence 中心） ； School of Mathematical Sciences, Queensland University of Technology, Brisbane City, Australia（昆士兰科技大学数学科学学院） ； Department of Statistics and Data Science, University of Texas at Austin, Austin, USA（德克萨斯大学奥斯汀分校统计与数据科学系） 纠错

AI总结 针对softmax门控高斯混合专家模型，提出基于Voronoi损失函数的统一统计框架，解决参数非可识别性和模型选择问题，并引入混合测度树状图实现一致且无需多尺寸训练的专家数选择。

Comments Do Tien Hai, Trung Nguyen Mai, and TrungTin Nguyen are co-first authors. In Proceedings of The 29th International Conference on Artificial Intelligence and Statistics, AISTATS 2026 Spotlight, Acceptance rate 2.5% over 2102 submissions

Multi-resolution Enhancement for Full Spectrum Neural Representations

全频谱神经表示的多分辨率增强

Yuan Ni, Zhantao Chen, Shizhou Xu, Cheng Peng, Rajan Plumley, Chun Hong Yoon, Jana B. Thayer, Joshua J. Turner

机构 * Linac Coherent Light Source, SLAC National Accelerator Laboratory（直线相干光源，SLAC国家加速器实验室） ； Stanford Institute for Materials and Energy Sciences, Stanford University（斯坦福大学材料与能源科学研究所） ； Walker Department of Mechanical Engineering, The University of Texas at Austin（德克萨斯大学奥斯汀分校机械工程系） ； Department of Mathematics, University of California Davis（加州大学戴维斯分校数学系） ； Department of Physics, Carnegie Mellon University（卡内基梅隆大学物理系） 纠错

AI总结 提出WIEN-INR框架，通过分层增强网络在不同分辨率尺度上建模，提升小网络对多尺度结构和高频细节的表示能力，实现紧凑高保真表示。

CardioMorphNet: Cardiac Motion Prediction Using a Shape-Guided Bayesian Recurrent Deep Network

CardioMorphNet: 使用形状引导的贝叶斯循环深度网络进行心脏运动预测

Reza Akbari Movahed, Abuzar Rezaee, Arezoo Zakeri, Colin Berry, Edmond S. L. Ho, Ali Gooya

机构 * University of California, San Diego（加州大学圣地亚哥分校） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 提出CardioMorphNet，一种基于循环变分自编码器和贝叶斯公式的3D心脏形状引导可变形配准框架，通过递归配准分割图避免强度相似性损失，在心脏运动估计中优于现有方法，并具有更低的不确定性。

Comments Published in Medical Image Analysis. Updated to match the final published version

Journal ref Medical Image Analysis, vol. 113, p. 104149, 2026

On non-approximability of zero loss global ${\mathcal L}^2$ minimizers by gradient descent in Deep Learning

关于深度学习中梯度下降无法逼近零损失全局L²最小化器的非近似性

Thomas Chen, Patricia Muñoz Ewald

机构 * Department of Mathematics, University of Texas at Austin（德克萨斯大学奥斯汀分校数学系） 纠错

AI总结 本文分析了深度学习中梯度下降算法的几何特性，指出在欠参数化网络中，零损失最小化通常无法实现，因此训练输入分布必须非典型才能产生零损失最小化器。

Comments AMS Latex, 7 pages. Typos corrected, Corollary 1.6 upgraded to Theorem, acknowledgment added

Journal ref Theor. Appl. Mech., 52 (1), 67-73 (2025)

Harmonia: End-to-End RAG Serving Optimization

Harmonia: 端到端RAG服务优化

Saurabh Agarwal, Bodun Hu, Luis Pabon, Myungjin Lee, Jayanth Srinivasa, Aditya Akella

机构 * UT Austin（德克萨斯大学奥斯汀分校） ； Cisco Research（思科研究） ； Cisco Systems（思科系统） 纠错

AI总结 提出Harmonia框架，通过灵活管道接口、异构感知部署和闭环运行时控制器，优化RAG服务，吞吐量提升2.04倍以上，SLO违规减少78.4%。

ClinicalBench: Can LLMs Beat Traditional ML Models in Clinical Prediction?

ClinicalBench: 大型语言模型能在临床预测中击败传统机器学习模型吗？

Canyu Chen, Jian Yu, Shan Chen, Che Liu, Zhongwei Wan, Shuang Zhou, Yuan Luo, Rui Zhang, Danielle Bitterman, Fei Wang, Kai Shu

机构 * Department of Computer Science Northwestern University Evanston USA（计算机科学系西北大学艾文斯顿美国） ； Department of Computer Science University of Texas at Austin Austin USA（计算机科学系德克萨斯大学奥斯汀美国） ； Boston Children's Hospital, Harvard Medical School Boston USA（波士顿儿童医院哈佛医学院波士顿美国） ； Department of Computer Science Imperial College London London UK（计算机科学系伦敦帝国学院伦敦英国） ； Department of Computer Science Ohio State University Columbus USA（计算机科学系俄亥俄州立大学哥伦布美国） ； Massachusetts General Hospital, Harvard Medical School Boston USA（麻省总医院哈佛医学院波士顿美国） ； Department of Preventive Medicine, Feinberg School of Medicine Northwestern University Chicago USA（预防医学系费因伯格医学院西北大学芝加哥美国） ； Division of Computational Health Sciences, Department of Surgery University of Minnesota Minneapolis USA（计算健康科学部外科部明尼苏达大学明尼阿波利斯美国） ； Department of Population Health Sciences, Weill Cornell Medicine Cornell University New York USA（流行病学与公共卫生系韦尔·科恩医学中心康奈尔大学纽约美国） ； Department of Computer Science Emory University Atlanta USA（计算机科学系埃默里大学亚特兰大美国） ； Northwestern University（西北大学） ； University of Texas at Austin（德克萨斯大学奥斯汀） ； Boston Children's Hospital, Harvard Medical School（波士顿儿童医院哈佛医学院） ； Imperial College London（伦敦帝国学院） ； Ohio State University（俄亥俄州立大学） ； Massachusetts General Hospital, Harvard Medical School（麻省总医院哈佛医学院） ； University of Minnesota（明尼苏达大学） ； Cornell University（康奈尔大学） ； Emory University（埃默里大学） 纠错

AI总结 构建ClinicalBench基准，通过三个临床预测任务比较14个通用和8个医学LLM与11个传统ML模型，发现LLM在临床预测上仍无法超越传统ML模型。

Comments Accepted to Proceedings of KDD 2026. The first two authors contributed equally. 12 pages for main paper, 62 pages including appendix. Project website: https://clinicalbench.github.io

ARAPDiffusion: ARAP Regularization for Diffusion-Based Deformable Shape Space Learning

ARAPDiffusion: 基于ARAP正则化的扩散变形形状空间学习

Haibo Liu, Jinghan Ke, Haitao Yang, Xiangru Huang, Georgios Pavlakos, Qixing Huang

机构 * University of Texas at Austin（德克萨斯大学） ； Westlake University（西拉丘学院） 纠错

AI总结 提出ARAPDiffusion，一种潜在扩散模型，通过注入ARAP变形模型作为正则化损失，学习变形形状集合的连续形状空间，减少对大量3D训练数据的依赖。

What's in a Name? Morphological Shortcuts by LLMs in Pharmacology

名字里有什么？LLM在药理学中的形态捷径

Kaijie Mo, Thomas Yang, Chantal Shaib, Qing Yao, William Rudman, Ramez Kouzy, Kanishka Misra, Byron C. Wallace, Junyi Jessy Li

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Northeastern University（东北大学） ； MD Anderson Cancer Center（MD安德森癌症中心） 纠错

AI总结 研究LLM在药理学中依赖词缀线索进行推理的形态捷径行为，通过虚构药物名称实验和归因框架揭示其机制及安全风险。

Comments 22 pages

What Objects Enable, Not What They Are: Functional Latent Spaces for Affordance Reasoning

物体能做什么，而非它们是什么：面向功能可供性推理的功能潜在空间

Rohan Siva, Neel P. Bhatt, Yunhao Yang, Seoyoung Lee, Nishant Gadde, Christian Ellis, Alvaro Velasquez, Zhangyang Wang, Ufuk Topcu

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Neurosymbolic Intelligence（神经符号智能） ； University of Colorado Boulder（科罗拉多大学博尔德分校） 纠错

AI总结 提出A4D框架，通过构建基于功能可供性的共享潜在空间，将视觉观察映射到该空间并测量与可供性的距离，实现基于物体功能而非外观的规划推理，显著提升泛化能力和推理效率。

Comments Code, videos, and data available at: https://A4Dance-reasoning.github.io

VASO: Formally Verifiable Self-Evolving Skills for Physical AI Agents

VASO：物理AI智能体的形式可验证自进化技能

Yunhao Yang, Neel P. Bhatt, Kevin Wang, Samuel Tetteh, Zhangyang Wang, Ufuk Topcu

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Iowa State University（爱荷华州立大学） 纠错

AI总结 提出VASO框架，通过形式验证引导LLM生成的机器人技能合约自进化，将模型检查的反例转化为文本梯度更新技能合约，无需微调模型权重，在Jackal和四旋翼任务中达到97.2%的形式规范符合率。

Comments Project webpage: https://languagegroundedriskdetection.github.io/ProjectPage/vaso-webpage/

Recovering Physically Plausible Human-Object Interactions from Monocular Videos

从单目视频中恢复物理上可信的人-物交互

Dingbang Huang, Etienne Vouga, Qixing Huang, Georgios Pavlakos

机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Shanghai Jiao Tong University（上海交通大学） 纠错

AI总结 提出RePHO方法，通过物理引导的重建框架和强化学习策略，从单目视频中恢复物理上可信的人-物交互，解决了现有方法中的穿透和物体漂浮问题。

Comments CVPR 2026. Project Page: https://dingbang777.github.io/RePHO/

Geographic Bias and Diversity in AI Evaluation

AI评估中的地理偏见与多样性

Zilong Liu, Krzysztof Janowicz, Gengchen Mai, Song Gao, Rui Zhu

机构 * University of Vienna（维也纳大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Wisconsin-Madison（威斯康星大学麦迪逊分校） ； University of Bristol（布里斯托大学） 纠错

AI总结 通过文献综述，识别AI中从训练数据到生成输出的多种地理偏见，并展示近期研究如何通过评估生成AI在不同认知层次、参数设置和输出模态下的地理多样性来应对这些偏见。

Comments Book chapter accepted by "Geography According to ChatGPT"

Learning Long Range Spatio-Temporal Representations over Continuous Time Dynamic Graphs with State Space Models

利用状态空间模型学习连续时间动态图中的长程时空表示

Ayushman Raghuvanshi, Thummaluru Siddartha Reddy, Sundeep Prabhakar Chepuri, Mahesh Chandran

机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Indian Institute of Science（印度科学研究院） 纠错

AI总结 提出一种基于状态空间模型的连续时间动态图框架（CTDG-SSM），通过拓扑感知的高阶多项式投影算子（CTT-HiPPO）实现长程时空信息传播，在动态链接预测、节点分类和序列分类任务上取得最优性能。

Comments Accepted at ICML 2026

CUCo: An Agentic Framework for Compute and Communication Co-design

CUCo：一种用于计算与通信协同设计的代理框架

Yoga Sri Varshan Varadharajan, Bodun Hu, Saurabh Agarwal, Aditya Akella

机构 * UT Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出CUCo框架，通过结合结构化设计空间形式化和正确性优先的快速路径代理以及进化驱动的慢速路径代理，实现了CUDA内核的计算与通信协同设计，从而在四个多GPU工作负载中实现了1.57倍的加速，并在LLM推理成本低于10美元的情况下发现了一种双流重叠策略。

Alignment Risks from Capability-Seeking RL Training

从能力寻求强化学习训练中产生的对齐风险

Yujun Zhou, Yue Huang, Han Bao, Kehan Guo, Zhenwen Liang, Pin-Yu Chen, Tian Gao, Werner Geyer, Nuno Moniz, Nitesh V Chawla, Xiangliang Zhang

机构 * University of California, Berkeley（加州大学伯克利分校） ； Stanford University（斯坦福大学） ； University of Washington（华盛顿大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of Toronto（多伦多大学） ； University of Cambridge（剑桥大学） 纠错

AI总结 本文研究了在易受攻击的环境中通过强化学习训练语言模型时，模型可能利用隐含漏洞来最大化奖励的风险，发现这些策略不仅限于狭窄的技巧，还能在一定程度上转移、传播，并在某些情况下比通过SFT学习更持久，表明需要扩展AI安全工作到审计和保障训练环境、奖励机制和评估渠道。

Comments Accepted by ICML 2026

Optimal CO2 storage management considering safety constraints in multi-stakeholder multi-site CCS projects: a Markov game perspective

考虑安全约束的多利益相关者多地点碳捕集与封存项目最优存储管理：从马尔可夫博弈视角

Jungang Chen, Seyyed A. Hosseini

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本文基于马尔可夫博弈方法，研究多利益相关者多地点碳捕集与封存项目中不同联盟结构对利益相关者目标的影响，提出一种考虑安全约束的多智能体强化学习框架，以实现多利益相关者的最优存储管理。

Comments 58 pages

Journal ref Int. J. Greenh. Gas Control 149 (2026) 104683

RoCA: Robust Cross-Domain End-to-End Autonomous Driving

RoCA: 面向鲁棒跨域端到端自动驾驶的框架

Rajeev Yasarla, Shizhong Han, Hsin-Pai Cheng, Apratim Bhattacharyya, Shweta Mahajan, Litian Liu, Yunxiao Shi, Risheek Garrepalli, Hong Cai, Fatih Porikli

机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； University of California, San Diego（加州大学圣地亚哥分校） ； University of California, Los Angeles（加州大学洛杉矶分校） ； University of California, Davis（加州大学戴维斯分校） 纠错

AI总结 本文提出RoCA框架，通过联合概率分布建模端到端自动驾驶管道中的 ego 和周围车辆信息，提升跨域自动驾驶的泛化能力和鲁棒性，无需额外推理计算。

Comments accepted for ICML 2026

Too Much of a Good Thing: When sim2real Efforts Impede Policy Learning (And What to Do About It)

过犹不及：当 sim2real 努力阻碍策略学习（以及如何应对）

Kyle Morgenstein, Bharath Masetty, Stephen Welch, Luis Sentis

机构 * Apptronik ； University of Texas at Austin（得克萨斯大学奥斯汀分校） 纠错

AI总结 本文指出 sim2real 努力与策略学习之间存在激励错位，导致模拟器锁定和策略探索不足，并提出通过 sim2sim2real 范式仅以机器人运动学为设计约束的潜在解决方案。

DiscreteRTC: Discrete Diffusion Policies are Natural Asynchronous Executors

DiscreteRTC：离散扩散策略是自然的异步执行器

Pengcheng Wang, Kaiwen Hong, Chensheng Peng, Katherine Driggs-Campbell, Masayoshi Tomizuka, Chenfeng Xu, Chen Tang

机构 * UC Berkeley（加州大学伯克利分校） ； UIUC（伊利诺伊大学香槟分校） ； UT Austin（德克萨斯大学奥斯汀分校） ； UCLA（加州大学洛杉矶分校） 纠错

AI总结 针对同步执行器在动态任务中的致命停顿问题，提出DiscreteRTC方法，利用离散扩散策略的原生修复能力实现异步执行，在动态模拟和真实操作任务中取得更高成功率。

Emotion Entanglement and Bayesian Inference for Multi-Dimensional Emotion Understanding

情感纠缠与贝叶斯推理用于多维情感理解

Hemanth Kotaprolu, Kishan Maharaj, Raey Zhao, Abhijit Mishra, Pushpak Bhattacharyya

机构 * Indian Institute of Technology Bombay（印度理工学院班加罗尔） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） ； IBM Research（IBM研究院） 纠错

AI总结 提出基于Plutchik基本情绪理论的情感场景基准EmoScene，并利用情感共现统计的贝叶斯推理框架进行联合后验推理，提升多维情感理解的结构一致性。

Comments 19 pages in total, 10 Figures, 7 Tables

Fixed Budget is No Harder Than Fixed Confidence in Best-Arm Identification up to Logarithmic Factors

固定预算在最佳臂识别中不比固定置信度难（对数因子范围内）

Kapilan Balagopalan, Yinan Li, Yao Zhao, Tuan Nguyen, Anton Daitche, Houssam Nassif, Kwang-Sung Jun

机构 * University of California, Berkeley（加州大学伯克利分校） ； University of Washington（华盛顿大学） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出元算法FC2FB，将固定置信度算法转化为固定预算算法，证明固定预算的样本复杂度在log因子内不高于固定置信度。

Journal ref International Conference on Machine Learning (ICML'26), Seoul, Korea, 2026

Design Space Exploration of DMA based Finer-Grain Compute Communication Overlap

基于DMA的细粒度计算通信重叠的设计空间探索

Shagnik Pal, Shaizeen Aga, Suchita Pati, Mahzabeen Islam, Lizy K. John

机构 * Advanced Micro Devices Inc.（先进微器件公司） ； The University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出细粒度计算通信重叠方法FiCCO，通过深入分片粒度以下、利用DMA引擎卸载通信，实现更广泛网络拓扑下的性能优化，最高获得1.6倍加速。

Reactive Task and Motion Planning for Robust Whole-Body Dynamic Locomotion in Constrained Environments

面向受限环境的鲁棒全身体动态运动的反应任务与运动规划

Ye Zhao, Yinan Li, Luis Sentis, Ufuk Topcu, Jun Liu

机构 * George W. Woodruff School of Mechanical Engineering, Georgia Tech, USA（佐治亚理工学院机械工程学院） ； Department of Applied Mathematics, University of Waterloo, Canada（滑铁卢大学应用数学系） ； Department of Aerospace Engineering and Engineering Mechanics, UT Austin, USA（得克萨斯大学奥斯汀分校航空航天工程与工程力学系） ； Institute for Computational Engineering and Sciences, UT Austin, USA（得克萨斯大学奥斯汀分校计算工程与科学研究所） 纠错

AI总结 本文提出了一种基于时序逻辑的游戏框架，用于在受限和动态变化的环境中进行全身体动态运动的任务规划与控制，通过符号系统的方法确保运动行为的正确性。

Comments 49 pages, 23 figures, 1 table

IHT dies hard: Provable accelerated Iterative Hard Thresholding

IHT死守：可证明的加速迭代硬阈值法

Rajiv Khanna, Anastasios Kyrillidis

机构 * University of Texas at Austin（德克萨斯大学奥斯汀分校） ； IBM T.J. Watson Research Center（IBM 沃森研究中心） 纠错

AI总结 本文研究了在理论和实践中经典迭代硬阈值（IHT）方法中动量运动的使用，通过简单修改普通IHT，探讨了其在具有非凸约束的凸优化标准下的收敛行为，并观察到IHT的加速在投影梯度下降和Frank-Wolfe变体中带来了显著改进。

Comments accepted to AISTATS 2018

SLAMBooster: An Application-aware Controller for Approximation in SLAM

SLAMBooster: 一种面向应用的近似控制算法用于SLAM

Yan Pei, Swarnendu Biswas, Donald S. Fussell, Keshav Pingali

机构 * University of Texas at Austin, USA（德克萨斯大学奥斯汀分校） ； Indian Institute of Technology Kanpur, India（印度理工学院坎普尔分校） 纠错

AI总结 本文提出SLAMBooster，一种面向应用的在线控制算法，用于在SLAM中实现近似计算，通过动态调整近似参数来减少计算时间和能耗，同时保持定位精度。

Comments 13 pages

Solving Irregular and Data-enriched Differential Equations using Deep Neural Networks

使用深度神经网络求解不规则和数据丰富的微分方程

Craig Michoski, Milos Milosavljevic, Todd Oliver, David Hatch

机构 * Oden Institute for Computational Engineering and Sciences, University of Texas at Austin, Austin,TX 78712（计算工程与科学研究院，德克萨斯大学奥斯汀分校，奥斯汀，TX 78712） ； Department of Astronomy, The University of Texas at Austin, Austin, TX 78712（天文学系，德克萨斯大学奥斯汀分校，奥斯汀，TX 78712） ； Institute for Fusion Studies, University of Texas at Austin, Austin,TX 78712（融合研究学院，德克萨斯大学奥斯汀分校，奥斯汀，TX 78712） 纠错

AI总结 本文提出了一种利用深度神经网络求解不规则和数据丰富的微分方程的方法，通过分析Sod激波管解和压缩磁流体动力学中的激波解，展示了该方法在提高数值方法性能和参数空间探索方面的优势。

Comments 21 pages, 14 figures, 3 tables

Compliance Shaping for Control of Strength Amplification Exoskeletons with Elastic Cuffs

合规性塑形用于具有弹性围裙的强度放大外骨骼控制

Gray Cortright Thomas, Jeremiah M. Coholich, Luis Sentis

机构 * Human Centered Robotics Lab in the University of Texas at Austin（德克萨斯大学奥斯汀分校人本机器人实验室） 纠错

AI总结 本文提出了一种双合规性塑形方法，通过在力敏感围裙中串联弹簧来设计外骨骼的合规行为，以实现高放大比下的稳定性和鲁棒性，同时引入反馈控制器和增益调节方法，并通过单自由度肘部外骨骼验证了方法的有效性。

Comments 8 pages, 9 figures, conference

Algorithmic Theory of ODEs and Sampling from Well-conditioned Logconcave Densities

ODEs的算法理论与从良好条件的logconcave密度采样

Yin Tat Lee, Zhao Song, Santosh S. Vempala

机构 * University of Washington & Microsoft Research（华盛顿大学与微软研究院） ； UT-Austin & University of Washington（德克萨斯大学奥斯汀分校与华盛顿大学） ； Georgia Tech（佐治亚理工学院） 纠错

AI总结 本文提出了一种求解多元微分方程的通用算法，其解接近已知基函数的张成，从而实现了近线性时间复杂度的HMC采样方法，适用于广泛使用的logistic回归损失函数。

Online Embedding Compression for Text Classification using Low Rank Matrix Factorization

在线文本分类中的低秩矩阵分解用于词嵌入压缩

Anish Acharya, Rahul Goel, Angeliki Metallinou, Inderjit Dhillon

机构 * Amazon Alexa AI（亚马逊Alexa人工智能） ； Amazon Search Technologies（亚马逊搜索技术） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

AI总结 本文提出了一种在线词嵌入压缩方法，利用低秩矩阵分解在训练过程中压缩词嵌入层，从而减少NLP模型的内存瓶颈，同时在下游任务中通过重新训练恢复精度，实验证明该方法在句子分类任务中实现了90%的压缩率，并优于固定点量化等其他方法。

Comments Accepted in Thirty-Third AAAI Conference on Artificial Intelligence (AAAI 2019)

Breaking the Curse of Horizon: Infinite-Horizon Off-Policy Estimation

打破地平线诅咒：无限地平线离线估计

Qiang Liu, Lihong Li, Ziyang Tang, Dengyong Zhou

机构 * The University of Texas at Austin（德克萨斯大学奥斯汀分校） ； Google Brain（谷歌大脑） 纠错

AI总结 本文提出了一种新的离线估计方法，通过直接在平稳状态访问分布上应用重要性采样来避免现有估计器中方差爆炸的问题，核心贡献是提出了一种估计两个平稳分布密度比的新方法，并推导了RKHS情况下的闭式解。

Comments 21 pages, 5 figures, NIPS 2018 (spotlight)