#样本复杂度

KL正则化强化学习的紧致样本复杂度：新界与下界

本文介绍KL正则化强化学习样本复杂度的最新理论进展：插件估计器达到O~(KH^3/(εmax{ε,β})+KH)样本复杂度，并证明匹配下界，将有效时域依赖从H^5改进到H^3，首次揭示温度β的影响。