본 연구는 오프라인 강화 학습에서 지나친 비관론이 일반화를 방해하지 않는다는 것을 입증했어요. 오히려 비관론의 구조가 최적 해의 대칭성을 존중하는지가 중요하다고 주장합니다.
약간의 비관론을 가진 비대칭 가치 함수가 지나치게 비관론적인 대칭 가치 함수보다 일반화 성능이 떨어질 수 있다는 것을 증명했어요.
데이터셋 커버리지 구조에 따라 비관론 구조가 결정되므로, 대칭 가치 함수를 강제하는 것은 어려울 수 있으며 데이터 증강(DA) 기법이 필요할 수 있습니다.