概念Adversarial MDP
对抗性MDP
一种强化学习设定，环境每回合可选择任意损失函数（可能依赖算法历史），而非从固定分布采样，反馈为bandit式，算法需对不确定性具有更强鲁棒性。
时间轴 (近 90 天)
10月12日
近期一篇理论研究通过正则化Q函数，在对抗性MDP下将策略优化的遗憾界提升了整整一个H因子，从而消除了Horizon差距。
待验证50%
10月12日
对抗性MDP中，环境每回合可选择任意损失函数（可能依赖算法历史），损失可随时间任意变化，标准乐观或置信上界方法不再直接适用。
待验证50%