概念regret bound
遗憾界
在线学习中衡量算法性能的指标，表示模型累计损失与事后最优固定策略累计损失之差；次线性增长的遗憾界意味着平均损失渐近最优。
时间轴 (近 90 天)
10月14日
对于在线学习场景，每个一致在线学习器达到最优的遗憾界。
待验证50%
10月12日
论文提出的算法在对抗性表格MDP中达到已知转移下遗憾界Õ(√(HS(H+A)T))和未知转移下Õ(HS√(AT))。
待验证50%
10月12日
论文中未知转移下的遗憾界Õ(HS√(AT))匹配了对抗性表格MDP的已知最优界。
待验证50%