一般效用强化学习：更简单的方差缩减与大规模状态—动作空间

基于摘要分析。本文研究一般效用强化学习（RL）：优化状态—动作占用度量的函数，而不局限于标准累积奖励目标。作者提出单循环、无参数的归一化策略梯度算法，并通过占用度量的线性函数近似处理大型有限状态—动作空间。 一般效用框架涵盖约束 RL、纯探索和从示范中学习等问题。算法采用递归动量方差缩减机制；作者报告，在适当假设下，达到 ε 一阶驻点与 ε 全局最优性的样本复杂度分别为 Õ(ε⁻³) 和 Õ(ε⁻²)。两者对应不同的理论目标，不能直接视为同一评估协议下的性能比较；摘要未说明各自所需假设，也未展开“无参数”的具体含义。 针对大型有限状态—动作空间，作者以线性函数近似表示占用度量，并为带线性回归子程序的简单策略梯度方法给出 Õ(ε⁻⁴) 的样本复杂度。摘要未提供实验任务、对照基线或实测结果；理论假设、近似误差的处理、实验协议、消融及统计信息尚未验证。 平台推测（待验证）：若 BCI 自适应策略能够表述为带安全或探索约束的序贯决策问题，占用度量上的一般效用目标可能提供建模工具，但本文并非 EEG 解码或 BCI 验证研究。可复用部分是目标表述与方差缩减思路，需另行构建状态、动作、效用及占用度量特征；低信噪比、部分可观测性、跨被试非平稳性和有限交互数据可能使理论条件难以满足。已有 EEG 相关工作尚未检索确认，目前不足以据此提出具体 BCI 复现实验。