这篇论文研究了具有线性函数逼近的离线强化学习问题。提供了一种计算效率高的算法，可以在数据集的单策略覆盖条件下成功。算法能够在固有贝尔曼误差为0的情况下提供保证，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。下界与强化学习在错误建模情况下的其他设置形成对比。

通过对 Hankel 矩阵的线性方程进行转换，我们得到了系统轨迹的一种隐式核表示，同时保持了激励持久性的要求，并且证明了该表示与一种特定的核回归问题的解是等价的。

伊藤引理帮助求解随机过程下函数的微分，其数学推导比较复杂。应用于金融数学中的随机过程，尤其是BHM公式的推导。