arXiv ID:
2605.20996
arXiv 提交日期: 2026-05-20
超越贝尔曼递归:基于庞特里亚金原理的非指数折扣框架 / Beyond the Bellman Recursion: A Pontryagin-Guided Framework for Non-Exponential Discounting
1️⃣ 一句话总结
本文提出了一种新的强化学习算法PG-DPO,它放弃了传统贝尔曼递归方法,转而利用庞特里亚金最大值原理和蒙特卡洛模拟,有效解决了人类偏好和生存过程中常见的非指数折扣问题,在精度和稳定性上优于现有方法。