在对抗性状态扰动下为风险敏感强化学习认证下界

英文标题：Certifying Lower Bounds for Risk-Sensitive Reinforcement Learning under Adversarial State Perturbations

该论文研究现实环境中部署的强化学习（RL）智能体面对状态观测对抗性扰动时的安全风险。作者提出针对风险敏感强化学习的认证方法，旨在为智能体在扰动条件下的性能或风险提供可验证的下界保障。该方向有助于提升安全关键场景中 RL 系统的鲁棒性与可信部署能力。原始内容未提供完整摘要及方法、实验细节。

2.1 KB 612 B 380 B 9.1 KB 32.7 KB 22.8 KB 24.2 KB 34.7 KB