该论文提出了一种新的无奖励强化学习框架，旨在提高探索效率。通过采集轨迹和使用线性函数逼近，算法能够在没有奖励函数的情况下找到近似最优策略。此外，研究探讨了基于内核和神经函数逼近的乐观值迭代算法，证明了其在复杂任务中的有效性。

本文研究了具有线性函数逼近的离线强化学习问题，提出了一种高效算法，能够在单策略覆盖条件下输出与数据集覆盖良好的策略相当的价值。该算法在固有贝尔曼误差为零的情况下提供了首次保证，并表明任何算法需多项式大小的样本复杂度来学习非平凡策略，同时探讨了在线与离线强化学习的差异。

该文综述分布式强化学习，涵盖CDRL与Cramér距离的理论联系、基于均值嵌入的算法框架、分布鲁棒MDP的样本复杂度，以及线性函数逼近下近乎极小最优的算法，并在Atari游戏中验证了优于DQN及C51等基线方法的表现。

该文介绍了一种针对多人普遍和马尔可夫博弈中追随者为短视情况的强化学习算法，通过最小二乘值迭代来求得 Stackelberg-Nash 均衡。该算法在大状态空间的函数逼近工具中简单应用，并在具有线性函数逼近的情况下分别在在线和离线设置下证明了亚线性遗憾和亚最优性，为解决追随者为短视的普遍和马尔可夫博弈的 SNE 建立了第一个可以被证明高效的强化学习算法。