Эксплуатация внешней структуры для обучения на выборочной основе
arXiv:2409.14557v5 Вид уведомления: заменить резюме: мы изучаем структурированный класс процессов принятия решений Маркова, известный как Exo-MDP, в котором пространство государства разделено на внешние и внутренние компоненты. Внешние штаты развиваются стохастически, независимо от действий агента,…