2025_NIPS_On Sample-Efficient Offline Reinforcement Learning: Data Diversity, Posterior Sampling ...

文章核心总结与翻译

一、主要内容

本文聚焦离线强化学习（Offline RL）的样本高效性问题，围绕数据多样性、函数近似及算法统一性展开研究。核心是提出新的数据多样性概念，将版本空间（VS）、正则化优化（RO）、后验采样（PS）三类算法统一框架，证明三者在标准假设下具有相当的次优性边界，同时提出首个无模型后验采样（MFPS）离线RL算法，拓展了样本高效离线RL的适用场景。

二、创新点

1. 提出新的数据多样性概念C(π;ϵc)C(\pi ; \epsilon_{c})C(π;