في عالم تعلم الآلة، يعد تعلم التعزيز العكسي (Inverse Reinforcement Learning) أحد أبرز الاتجاهات التي تسعى لفهم كيفية تأثير نماذج التعلم على سلوك الكيانات المختلفة. عادةً ما يُفترض أن تأتي البيانات من متظاهر مثالي واحد، لكن العديد من التطبيقات تتحصل على البيانات من مجموعة من المتظاهرين الذين يمتلكون مستويات متفاوتة من عدم الكفاءة.

في دراسة حديثة، تم تقديم إطار عمل جديد يدعى مجموعة المكافآت القابلة للتطبيق (feasible-reward-set framework) لمعالجة هذه التحديات. حيث يتم ترميز مستوى عدم الكفاءة المُعلن عنه لكل متظاهر كقيود خطية، ثم يتم تقاطع المجموعات القابلة للتطبيق عبر المتظاهرين المختلفين. تكشف التحليلات النظرية أن المجموعة القابلة للتطبيق تتقلص بشكل مستمر مع إضافة المزيد من البيانات، ويتم تقديم تعريف دقيق لحالات تحسين هذه المجموعة عند إدخال متظاهر جديد.

تقدم الدراسة أيضًا ضمانات لتعافي مجموعة المكافآت القابلة للتطبيق من المتظاهر المثالي الحقيقي؛ إذ يعتمد أحد هذه الضمانات على قرب البيانات من الشغل الأمثل، بينما يتطلب الآخر تغطية كافية دون الحاجة إلى وجود متظاهر شبه مثالي.

وبالنسبة للتطبيقات العملية، تم تقديم استراتيجيات للتعامل مع عدم وضوح المكافآت في المجموعة المُحصلة، بالإضافة إلى خوارزمية خارجية باستخدام تقريب الوظائف للتعامل مع البيئات عالية الأبعاد. وقد أظهرت التجارب في بيئات الجداول والعالم اللغوي الكبير (Large Language Model - LLM) نتائج توافق مع التنبؤات النظرية وأظهرت فعالية الإطار المقترح مقارنة بأساليب أخرى.