The Sample Complexity of Policy Learning with Mu-Resets

Este artigo resolve o papel da realizabilidade de política na complexidade de amostra do aprendizado de política sob o protocolo de $\mu$-resets ao demonstrar que a dependência em relação ao horizonte $H$ é exponencialmente grande ($\exp(\Omega(H))$) sob concentrabilidade de todas as políticas limitada, mas significativamente reduzida para $\exp(\Theta(\sqrt H))$ sob concentrabilidade de pushforward limitada.

Autores originais: Gene Li