该文章介绍了一种使用差分隐私保证的离线增强学习方法，从离线数据中学习环境的私有模型，并推导出一个策略，实现了训练私有的增强学习智能体的目标。

本论文提出了一种创新的基于模型的离线增强学习算法CROP，通过引入保守性估计奖励的方法，实现保守的策略评估并帮助缓解分布偏移问题。CROP在D4RL基准测试中表现良好，建立了离线和在线增强学习之间的创新连接，突出了解决离线增强学习问题的可行性。