隐私保护的离策略评估

针对强化学习训练数据可能泄露敏感信息的问题，论文提出首个面向离策略评估的差分隐私方法，并对其隐私保护性质与效用（收敛速度）进行理论分析。实验显示，该方法优于此前仅限于同策略设置的同类方法。