University of Wisconsin-Madison（威斯康星大学麦迪逊分校）

Optimal Single-Policy Sample Complexity and Transient Coverage for Average-Reward Offline RL

平均回报离线强化学习中单策略样本复杂度与瞬时覆盖的最优性

Matthew Zurek, Guy Zamir, Yudong Chen

机构 * Department of Computer Sciences, University of Wisconsin-Madison（威斯康星大学麦迪逊分校计算机科学系） 纠错

AI总结 本文研究了平均回报MDP中的离线强化学习，提出基于目标策略的精确样本复杂度界，并首次处理一般弱连通MDP，引入改进的悲观折扣价值迭代算法。

Journal ref NeurIPS 2025