CVaR-UCBVI に関する報道

この論文は、CVaR-UCBVI アルゴリズムが、連続性や密度の下限の仮定を必要とせずに、正規化されたリターン分布のほぼ最小から最大までのリグレス限界に到達できることを証明します。より良いレートを得るために密度の下限を必要とした以前の研究と比較して、これは理論的なギャップを埋め、テーブル設定の下での CVaR 強化学習のリグレス分析をより一般的な状況に前進させます。