失败风险的代价：带凸正则化的截断障碍策略梯度

针对严防预算耗尽的操作控制场景，研究提出带凸正则化的截断障碍策略梯度方法，通过在状态中保留预算并将奖励下限截断至 -m，将 m 直接作为失败风险的定价。理论证明，在足够强的凸正则化下总体训练流具备指数收敛性，成功将策略梯度的平均场收敛从相对熵拓展至权重衰减，并保证风险超出对比策略的幅度在 1/m 阶以内。