强化学习中的最佳策略跟踪

针对单任务、基于策略的强化学习实证研究发现，常用策略选择方法可能明显偏离训练中访问过的最佳策略，导致性能估计偏低并低效使用计算资源。研究提出事后诊断指标，并建议采用受计算成本约束的验证式策略选择，以更准确、高效地近似最佳已访问策略。