本文提出了一种通用的黑盒认证方法，能够在各种 $l_p$ 范数边界扰动下直接认证平滑策略的累积奖励，并扩展了在动作空间上认证扰动的方法。通过求解凸优化问题确定认证边界，实验证明该方法提高了平均累积奖励的认证下界，且比最先进的技术更高效。

本研究介绍了一种名为VAPOR的深度强化学习方法，通过马尔科夫决策过程的图形模型，以概率推理的方式对状态-行为对的访问概率进行研究。该方法采用贝叶斯方法处理状态-行为优化的后验概率，并通过变分贝叶斯近似方法得到一个可行的凸优化问题。实验结果显示，VAPOR在性能上具有优势。

该研究探讨了在未知的随机马尔可夫环境或游戏中代理人示范学习的问题。通过扩展逆强化学习方法，估计代理人的偏好并构建改进策略。通过简化概率模型处理演示者策略和效用，使用最大后验估计来解决凸优化问题。该算法在先验分布相同的情况下与其他了解动态的逆强化学习方法相比具有竞争力。