该论文研究了具有线性函数逼近的离线强化学习问题，并提出了一种计算效率高的算法。该算法在数据集的单策略覆盖条件下成功，输出的策略价值至少等于数据集覆盖良好的任何策略的价值。算法在固有贝尔曼误差为0的情况下提供了第一个保证，并且在固有贝尔曼误差为正值的情况下，算法的次最优误差与固有贝尔曼误差的平方根成比例。该算法的下界与强化学习在错误建模情况下的其他设置形成对比。

该论文研究了具有线性函数逼近的离线强化学习问题，并提出了一种计算效率高的算法。该算法能够在数据集的单策略覆盖条件下成功，输出的策略价值至少等于数据集覆盖良好的任何策略的价值。算法能够在固有贝尔曼误差为0的情况下提供已知的第一个保证，并且在固有贝尔曼误差为正值的情况下，次最优误差与固有贝尔曼误差的平方根成比例。该算法的下界与强化学习在错误建模情况下的其他设置形成对比。