针对非加性子模奖励导致的指数复杂度，提出预窗口曲率约束，实现可证明近优的多智能体协同策略学习。

提出新算法，首次在多臂赌博机中统一达成极小极大最优最坏情况遗憾与自适应一阶遗憾，理论突破性强。

为掩码扩散模型（MDM）建立首个端到端生成保证，覆盖学习误差与采样误差，在条件混合源下给出可控误差界。