一、文章核心总结
主要内容
本文聚焦线性约束马尔可夫决策过程（线性CMDP）中的安全强化学习问题，目标是在每一轮episode中满足期望总效用约束的前提下，最大化智能体的累积奖励。针对现有算法要么存在约束违反、要么计算成本指数级增长的缺陷，提出了OPSE-LCMDP算法，实现了次线性遗憾（O~(K)\\tilde{O}(\\sqrt{K})O
2025_NIPS_Provably Efficient RL under Episode-Wise Safety in Constrained MDPs with Linear Function A
未经允许不得转载：171主机测评 » 2025_NIPS_Provably Efficient RL under Episode-Wise Safety in Constrained MDPs with Linear Function A
