关于 CVaR-UCBVI 的报道

该论文证明CVaR-UCBVI算法在无需连续性或密度下界假设下，对任意归一化回报分布达到近极小极大遗憾界。相比此前需要密度下界才能获得更优速率的工作，这填补了理论空白，将表格设定下CVaR强化学习的遗憾分析推进到更一般情形。