局部线性性：无悔强化学习在连续马尔可夫决策过程中的关键

本文提出了一种新的$u-$平滑性假设，以解决强化学习中的无后悔保证问题。介绍了两种算法：Legendre-Eleanor和Legendre-LSVI，前者在弱假设下实现无后悔但效率较低，后者适用于小规模问题且运行时间为多项式级别。分析表明，两者在后悔性能上达到了最佳保证。