通过占用度量规范化防止奖励攻击

提出了一种基于占据模型的强化学习算法，通过更新占据模型实现环境状态的均匀采样，提高采样效率。

使用违规指标惩罚无法确保安全的状态，实验表明该方法在机器人地图导航任务中性能优于基线策略，并减少不安全状态的访问。

研究了分歧规则化在合作多智能体强化学习中的应用，提出DMAC框架，理论和实验均证明其性能显著提高。

提出新的风险评估指标——奖励波动率，并建立基于该指标的策略梯度定理，验证了其在金融环境中的有效性。

研究基于离线数据的深度强化学习算法，提出新的策略相似度度量方法，提高采样效率和泛化能力，证明其安全性。

提出无参数归一化策略梯度算法，解决具有一般效用的强化学习问题，展示了样本复杂度的优势。

提出两种算法，通过正则化解决离线强化学习中的外推误差，在D4RL基准测试中表现良好。

构建全新的离线元强化学习算法，解决元强化学习中的自举误差和训练策略学习的效率与健壮性问题，展示出色性能。

提出基于子空间触发假设的强化学习背门策略的可证明防御机制，实现近似最优性。