본 논문은 정책 평가를 위한 가장 기본적인 강화 학습 알고리즘 중 하나인 선형 TD($\lambda$)의 수렴 속도에 대한 연구를 다룬다. 기존 연구는 선형 독립적인 특징을 가정했지만, 실제 환경에서는 이 가정이 성립하지 않는 경우가 많다. 본 논문은 알고리즘 수정이나 추가적인 가정 없이 임의의 특징을 사용하는 선형 TD($\lambda$)의 $L^2$ 수렴 속도를 최초로 제시한다. 이 결과는 할인 보상 및 평균 보상 설정 모두에 적용된다. 또한 임의의 특징으로 인해 발생할 수 있는 해의 비유일성 문제를 해결하기 위해, 단일 점이 아닌 해 집합으로의 수렴 속도를 특징으로 하는 새로운 확률적 근사 결과를 개발했다.
