强化学习的统计基础：非渐近视角

该专著从非渐近视角系统探讨了表格型马尔可夫决策过程的强化学习统计理论，覆盖生成模型、在线强化学习与离线强化学习三种采样机制。内容以样本复杂度分析为核心，深入解析基于模型与无模型算法的极小化极大最优设计及统计特征。专著还拓展讨论了鲁棒强化学习、竞争性多智能体、联邦强化学习及人类反馈强化学习（RLHF）等方向。