CVaR MDP奖励再分配新方法被ICML 2026录用
pierrelux · x · 2026-07-07
论文《Reward Redistribution for CVaR MDPs using a Bellman Operator on L-infinity》获ICML 2026接收。研究利用L无穷范数上的贝尔曼算子，解决了条件风险价值（CVaR）马尔可夫决策过程中的奖励再分配问题，为风险敏感强化学习提供了新的理论工具。
pierrelux · x · 2026-07-07
论文《Reward Redistribution for CVaR MDPs using a Bellman Operator on L-infinity》获ICML 2026接收。研究利用L无穷范数上的贝尔曼算子，解决了条件风险价值（CVaR）马尔可夫决策过程中的奖励再分配问题，为风险敏感强化学习提供了新的理论工具。