分布鲁棒策略学习：基于观测数据的首个快速收敛率保证

研究者提出了一种基于交叉拟合双重稳健分数估计器的分布鲁棒策略学习方法，并证明了在Tsybakov边缘条件下可达到的快速收敛率。 该方法在分布差异时能提升策略价值，并支持KL、χ²和CVaR模糊集。 这是首个在分布鲁棒策略学习分析中引入边缘条件并获得快速收敛率的研究。