Noticias sobre CVaR-UCBVI

Este artículo demuestra que el algoritmo CVaR-UCBVI puede alcanzar un límite de arrepentimiento casi mínimo-máximo para cualquier distribución de rendimiento normalizada sin la necesidad de supuestos de límite inferior de continuidad o densidad. En comparación con trabajos anteriores que requerían un límite inferior de densidad para obtener una mejor tasa, esto llena el vacío teórico y avanza el análisis de arrepentimiento del aprendizaje por refuerzo CVaR bajo configuración de tabla a una situación más general.