无需预先状态信息的强化学习（State-free Reinforcement Learning）

基于摘要分析。本文研究 state-free RL：算法在与环境交互之前不掌握状态信息。核心贡献是设计一种不需要状态空间 S 先验信息的算法；作者报告，其遗憾界不依赖完整状态空间，而仅依赖给定策略类 Π 下的可达状态集合 S^Π。 摘要将 S^Π 定义为满足 max_{π∈Π} q^{P,π}(s)>0 的状态集合，即在该策略类中至少存在一种策略能够到达的状态。该问题并非明确要求交互过程中始终不观测状态，也不能据此等同于部分可观测强化学习；其重点是减少算法对交互前状态空间信息的依赖。完整状态空间与策略类可达集合之间的区分，是理解其理论保证的关键。 作者将这一工作定位为迈向 parameter-free RL 的具体初步步骤，长期目标是构建无需超参数调节的强化学习算法；摘要并未表明本文已经实现这一完整目标。具体算法机制、反馈形式、遗憾界表达式及成立条件尚未验证，实验协议、消融及统计信息也尚未验证。 材料未提供 EEG/BCI 应用或足够具体的算法机制，不能将该理论结果直接视为 BCI 解码或在线适应的有效性证据；已有 EEG 相关工作尚未检索确认。