#POMDP

做安全强化学习或 POMDP 的朋友看看这篇：用有限历史窗口近似 CPOMDP，首次拿到奖励和约束违规同时有界的非渐近保证，理论味道很浓。

多智能体协作不用中心化训练也能逼近团队最优解，还带样本复杂度证明，做分布式决策的可以看看。

这篇论文给POMDP找了个最省记忆的压缩方法，稳定商只用3个记忆状态就能完美还原配对顺序，比传统方法省很多。

这篇论文把RL里训练和测试环境不一致的问题，用因果原因做了系统分类，还统一了OOD泛化和非平稳性的视角，搞清楚偏移根源才能更好做鲁棒性分析。