Адаптация к изменениям в поведении агента через чувствительность политики финит-департаментов
arXiv: 2610,07475v1 Annuate Type: New Humber Abstract: Адаптация политики дополнительного обучения к изменениям в поведении другого агента обычно требует большого количества новых данных о взаимодействии. Чувствительность политики позволяет прогнозировать, как оптимальная политика изменяется на местном уровне с параметром поведения, но для ее расчета требуются производные второго порядка, чей эффект распространится через будущие взаимодействия. Мы разрабатываем конечную углубленную основу для оценки этой чувствительности путем определения политики Гессен и смешанной производной с использованием информации из справочной среды. Этот метод предусматривает регулируемую глубину распространения, которая определяет место сокращения размножения производных вдоль траектории. Мы характеризуем производные взносы, опущенные в результате конечных глубинных масштабов распространения, и вычисляем границы сокращения выбросов для приблизительных производных инструментов и связанную с этим степень чувствительности политики. Границы не увеличиваются с глубиной распространения и исчезают при полном распространении горзона. Использование
