贝叶斯乐观 Kullback–Leibler 探索

基于摘要分析。本文研究基于模型的贝叶斯强化学习中探索与利用的权衡：智能体维护环境模型的概率分布，但除受限情形外，求解 Bayes 最优策略通常不可 tractable。作者提出 BOKLE，通过 Kullback–Leibler（KL）散度约束合理候选模型的集合，以引导探索。 核心机制是在环境模型不确定性下限制用于探索的模型范围，而不是直接求解完整的 Bayes 最优决策问题。作者报告，形式化分析表明该算法以高概率接近 Bayes 最优，并建立了 BOKLE 所追求解与 Bayesian exploration bonus 算法之间的渐近关系。摘要未给出保证成立的假设、界的具体形式或渐近条件，这些内容尚未验证。 作者报告实验展示了算法的探索效率，但摘要未列出任务、对照基线、评估指标、训练预算或数值结果，因此不能据此判断其在具体环境中的优势幅度。实验协议、消融及统计信息尚未验证，代码与复现条件也需进一步核对。 本文的主要研究对象是通用强化学习探索，而非 EEG 表征学习或 BCI 解码。材料没有提供神经信号数据或闭环 BCI 验证，不能将其理论保证或实验结论直接视为 BCI 有效性的证据；已有 EEG 相关工作尚未检索确认。