PRISMA算法实现多策略高效评估

发生了什么

据arXiv论文，研究者提出PRISMA算法，用于在随机线性博弈中同时评估K个目标策略。该算法结合奖励自由规划、正则采样设计和共享岭回归估计器，以O((L^2S^2+β^2)(1∨ρ*)/ε^2 · log(K))的上下文抽取量，将每个目标策略的值估计至ε精度。方法无需数值下界且无显式依赖上下文和行动空间基数。