報酬はいつ状態を教えるか？隠れオートマトン操作変数と群言語境界When Does Reward Teach State? A Hidden-Automaton Instrument and the Group-Language Boundary

arXiv cs.LG論文Paperarxiv.org公開Published2026/07/15 13:00 JST2mo ago重要度 MediumImportance Medium priority

AI要点サマリSummary highlight

強化学習において報酬信号だけで潜在的な環境状態を識別できる条件を理論的に解析し、群言語の境界が識別可能性の鍵となることを示した研究。

This paper establishes theoretical conditions under which reward signals alone can identify latent environment states in RL, introducing a hidden-automaton instrumental framework and showing that the group-language boundary determines identifiability.

本ページの要約は AI による自動生成です。日本語版と英語版は言語ごとに独立して生成されるため、表現や詳しさが異なる場合があります。正確性は元記事 (arxiv.org) をご確認ください。The summaries are AI-generated independently for each language, so wording and detail may differ. Verify accuracy at the original source (arxiv.org).

記事情報・収集記録Article details & collection record

出典Source: arXiv cs.LG論文Paper
公開日時 (JST)Published (JST): 2026/07/15 13:00
収集日時 (JST)Collected (JST): 2026/07/16 10:27
配信形式Format: 論文Paper
原文言語Source language: EN
重要度の位置づけImportance in this lane: MediumMedium priority(arXiv 80件中、同等以上 80件)(80 of 80 arXiv entries are equal or higher)
出典の平均重要度（掲載直近 20 件・最大 30 件）Source average (last 20 listed, up to 30): 2.0 / 31=情報 · 2=中 · 3=高1=Info · 2=Medium · 3=High
情報の寿命Half-life: 長期 (アーキテクチャ)Long-term (architecture)

📄arXiv の他の記事More from arXivもっと見る →View more →