本研究探讨了在无限期平均奖励强化学习中，利用核岭回归预测期望价值函数的有效性。提出了一种乐观的无遗憾算法，并在核函数假设下建立了新的性能保证，推导出新的置信区间，以支持核基预测在强化学习中的应用。

该研究比较了模仿学习和目标条件强化学习两种方式，并提出了一种基于概率长期动态和期望价值函数之间联系的方法。该方法在目标条件强化学习和模仿学习方面都表现出高效和最新样本效率。