作者
Reinforcement Learning
在线持续学习中生长型与弹性型神经网络的可塑性
机构 * University of California, Los Angeles (UCLA)（加利福尼亚大学洛杉矶分校） ； University of Alberta（阿尔伯塔大学） ； Alberta Machine Intelligence Institute (Amii)（阿尔伯塔机器智能研究所）
AI总结 本文研究在线持续学习中生长型与弹性型神经网络的可塑性，实验显示自适应生长型和弹性型神经网络可维持高准确率、不丧失可塑性，或为在线持续学习提供有前景的算法类别。
Physical Atari: 一个用于机器人实时强化学习的鲁棒且可访问的平台
机构 * Keen Technologies ； University of Alberta, Canada（阿尔伯塔大学，加拿大） ； Openmind Research Institute（Openmind研究机构）
AI总结 提出Physical Atari平台，通过机器人操作Atari控制器和实时渲染游戏帧，实现物理世界中的强化学习研究，验证了算法可直接在机器人上学习，并指出分布偏移会显著降低策略性能。
Comments To appear at RLC 2026
具有线性函数逼近和优先级扫描的Dyna风格规划
AI总结 本文提出一种基于模型的Dyna风格规划方法，扩展至线性函数逼近，证明其收敛性，并引入线性Dyna的优先级扫描算法。
Comments Appears in Proceedings of the Twenty-Fourth Conference on Uncertainty in Artificial Intelligence (UAI2008)
异步随机逼近及其在平均奖励强化学习中的应用
机构 * Department of Computing Science, University of Alberta（计算科学系，阿尔伯塔大学） ； Alberta Machine Intelligence Institute (Amii)（阿尔伯塔人工智能研究所（Amii））
AI总结 研究异步随机逼近算法的稳定性与收敛性，通过扩展Borkar-Meyn稳定性证明方法和Hirsch-Benaïm动力学系统方法，为平均奖励强化学习中的相对值迭代算法提供理论基础。
Comments 34 pages. This version contains only the asynchronous stochastic approximation material from version 2 of the original report; the reinforcement-learning material has been moved to a separate, stand-alone paper (arXiv:2512.06218). Minor corrections and additional remarks have been incorporated. A shorter version of this paper is to appear in the SIAM Journal on Control and Optimization
Journal ref SIAM Journal on Control and Optimization, 64(3):1456-1481, 2026
走向生成式人工智能
机构 * Independent Researcher（独立研究者） ； Department of Computing Science, University of Alberta, Canada（阿尔伯塔大学计算机科学系） ； Alberta Machine Intelligence Institute (Amii)（阿尔伯塔机器智能研究所）
AI总结 本文主张将生成式认知方法融入人工智能，强调感知与行动不可分割、具身性和自主性，并指出强化学习在结构上与生成式原则存在共鸣但仍有差距。
为流式强化学习设计的意图更新
机构 * Openmind Research Institute（Openmind研究 institutes） ； Department of Computing Science, University of Alberta（阿尔伯塔大学计算机科学系）
AI总结 本文提出意图更新方法，通过定义更新目标来优化流式强化学习的稳定性与性能，实验表明其在流式环境下表现优异。
在半马尔可夫决策过程中的平均奖励强化学习中通过相对价值迭代
机构 * Department of Computing Science, University of Alberta（计算科学系，阿尔伯塔大学） ； Alberta Machine Intelligence Institute (Amii)（阿尔伯塔机器智能研究所）
AI总结 本文提出了一种在半马尔可夫决策过程中利用相对价值迭代算法进行平均奖励强化学习的方法，并引入新的单调性条件以提高算法收敛性。
Comments 24 pages. This paper presents the reinforcement-learning material previously contained in version 2 of arXiv:2409.03915, which is now being split into two stand-alone papers. Minor corrections and improvements to the main results have also been made in the course of this reformatting
Swift-Sarsa：快速且鲁棒的线性控制
机构 * University of Alberta（阿尔伯塔大学）
AI总结 本文将SwiftTD的自适应步长机制与True Online Sarsa(λ)结合，提出线性同策略控制算法Swift-Sarsa，并在操作性条件反射基准上验证其能从海量含噪信号中识别相关特征并鲁棒分配信用。
Comments Presented at RLDM 2025
MetaOptimize：一种优化步长及其他元参数的框架
机构 * Openmind Research Institute, Canada（开放心智研究机构，加拿大） ； Leiden Institute of Advanced Computer Science, Leiden University, Leiden, Netherlands（莱顿先进计算机科学研究所，莱顿大学，莱顿，荷兰） ； Department of Computing Science, University of Alberta, Edmonton, Canada（计算科学系，阿尔伯塔大学，爱德蒙顿，加拿大）
AI总结 MetaOptimize提出一种动态调整学习率等元参数的框架，可包裹一阶优化算法，通过最小化考虑长期影响的遗憾来优化训练，其低复杂度变体性能媲美最佳手工调度。
Journal ref ICML 2025
Reward Centering（奖励中心化）
机构 * University of Alberta（阿尔伯塔大学） ； Alberta Machine Intelligence Institute（阿尔伯塔机器智能研究所） ； Meta AI
AI总结 该研究提出奖励中心化方法，通过减去奖励经验均值优化持续性强化学习的折扣方法，在常用折扣因子下提升显著且不受奖励常数平移影响，还给出离策略场景的均值估计方案，可广泛适配各类强化学习算法。
Comments In Proceedings of RLC 2024
强化学习中时间离散化的一个特性
机构 * University of Alberta（阿尔伯塔大学） ； Department of Computing Science（计算机科学系）
AI总结 本文研究强化学习中时间离散化粒度对回报定义的影响，指出直接应用离散时间算法存在不一致性，并提出一种简单修改以对齐连续时间与离散时间回报定义。
Comments RLC 2024
弱连通马尔可夫决策过程中平均报酬Q-学习的收敛性
机构 * University of Alberta（阿尔伯塔大学） ； Meta AI ； Alberta Machine Intelligence Institute (Amii)（阿尔伯塔机器智能研究所（Amii））
AI总结 本文将基于相对值迭代的Q-learning算法的几乎必然收敛性分析从单链扩展到弱连通MDPs，刻画了其收敛集性质，并推广至基于options框架的分层RL算法。
机构 * University of Alberta（阿尔伯塔大学） ； Meta AI ； Alberta Machine Intelligence Institute (Amii)（阿尔伯塔机器智能研究所）
Comments Corrected typos and a minor error; parts of this material will be included in a separate future arXiv preprint
机构 * University of Alberta（阿尔伯塔大学） ； Huawei Technologies Canada, Ltd（华为技术加拿大有限公司）
机构 * University of Alberta（阿尔伯塔大学） ； Alberta Machine Intelligence Institute（阿尔伯塔机器智能研究所） ； CIFAR（加拿大高级研究所）
机构 * DeepMind ； University of Alberta（阿尔伯塔大学）
机构 * University of Alberta（阿尔伯塔大学） ； Alberta Machine Intelligence Institute（阿尔伯塔机器智能研究所）
Comments Fixed incorrect arrows on some figures in the appendix
机构 * DeepMind（深度思维） ； University of Alberta（阿尔伯塔大学） ； Alberta Machine Intelligence Institute (Amii)（阿尔伯塔机器智能研究所（Amii））
Journal ref Artificial Intelligence, first published online September 6, 2023
机构 * University of Alberta（阿尔伯塔大学）
机构 * University of Alberta（阿尔伯塔大学）
Comments CoLLAs 2023
机构 * University of Alberta（阿尔伯塔大学） ； Alberta Machine Intelligence Institute（阿尔伯塔机器智能研究所） ； DeepMind Alberta（DeepMind阿尔伯塔分部）
机构 * University of Alberta（阿尔伯塔大学） ； Alberta Machine Intelligence Institute（阿尔伯塔机器智能研究所）
机构 * University of Alberta（阿尔伯塔大学） ； DeepMind（深度思维）
机构 * University of Oxford（牛津大学） ； University of Alberta（阿尔伯塔大学）
Comments ICML 2021
机构 * University of Alberta（阿尔伯塔大学） ； Alberta Machine Intelligence Institute (Amii)（阿尔伯塔机器智能研究所） ； DeepMind Alberta（DeepMind阿尔伯塔） ； University of Warwick（华威大学）
机构 * University of Alberta（阿尔伯塔大学） ； DeepMind（深度思维）
机构 * DeepMind（深度思维） ； University of Alberta（阿尔伯塔大学）
Comments Will appear as an extended abstract at the fifth Multi-disciplinary Conference on Reinforcement Learning and Decision Making, held in Providence, Rhode Island, June 8-11, 2022
机构 * University of Alberta（阿尔伯塔大学） ； Alberta Machine Intelligence Institute (Amii)（阿尔伯塔机器智能研究所） ； Deepmind（深度思维）
Comments 3 pages of text, 54 references
机构 * University of Alberta（阿尔伯塔大学）
扫码添加微信好友，提出您的宝贵建议 👇
💡 备注请填写：网站反馈