#马尔可夫决策过程

如果你调过 Q-learning 会被初始阶段的大误差困扰，这篇把误差拆成 TD 和最大化两块，告诉你瞬态从哪来、为什么高斯近似够不着。做强化学习理论或想理解算法收敛细节的研究者会很受益。

把鲁棒强化学习用在前列腺癌自适应治疗上，患者当隐藏上下文建模，模拟器里比现有方法更稳还不掉性能，做医疗AI的可以看看。

这篇论文提出了强化学习中ADMM的新理论框架，解决了马尔可夫采样下的收敛问题，为强化学习算法提供了新的理论支持。