论文提出从违规频率、严重度及跨条件稳定性等维度重新评估安全强化学习。
推荐理由：现有CMDP基准的期望成本可能掩盖少数严重事故；拆分违规次数与幅度，能揭示平均安全相同的算法在尾部风险上的差异。
阅读原文