Articles sur CVaR-UCBVI

Cet article prouve que l'algorithme CVaR-UCBVI peut atteindre une limite de regret proche du minimum-maximum pour toute distribution de rendement normalisée sans avoir besoin d'hypothèses de limite inférieure de continuité ou de densité. Par rapport aux travaux antérieurs qui nécessitaient une limite inférieure de densité pour obtenir un meilleur taux, cela comble le vide théorique et fait progresser l'analyse des regrets de l'apprentissage par renforcement CVaR sous table vers une situation plus générale.