우리는 전이(transition)가 다항 로지스틱 (Multinomial Logistic, MNL) 모델로 모델링되는 에피소드형 마르코프 결정 과정 (Markov Decision Processes, MDPs)에 대한 강화학습 (Reinforcement Learning)을 연구합니다. MNL 혼합 MDP를 위한 기존 알고리즘들은 $d$가 특징 차원 (feature dimension), $H$가 에피소드 길이 (episode length), $T$가 에피소드 횟수일 때 $\smash{\tilde{O}(dH^2\sqrt{T})}$ (Li et al., 2024)의 후회 (regret)를 산출합니다. 로지스틱 밴딧 (logistic bandit) 문헌 (Abeille et al., 2021; Faury et al., 2022; Boudart et al., 2026)에서 영감을 받아, 우리는 학습자의 궤적 (trajectory)을 따라 최적의 다운스트림 가치 함수 (downstream value function)의 정규화된 평균 분산 (normalised average variance)을 측정하는 문제 의존적 상수 $\smash{\bar\sigma_T \leq 1/2}$를 도입합니다. 우리는 $\smash{\tilde{O}(dH^2\bar\sigma_T\sqrt{T})}$의 후회를 달성하는 알고리즘을 제안하며, 이는 최악의 경우 기존의 한계를 회복하면서 구조화된 MDP (structured MDPs)에 대해서는 이를 개선합니다. 예를 들어, KL 제약 로버스트 MDP (KL-constrained robust MDPs)의 경우 $\bar\sigma_T = O(H^{-1})$가 되어, 호라이즌 (horizon) 의존성을 $H$ 배만큼 줄여줍니다. 나아가 우리는 이에 상응하는 $\smash{\Omega(dH^2\bar\sigma_T\sqrt{T})}$ 하한 (lower bound)을 확립하여, (로그 인자를 제외한) 미니맥스 최적성 (minimax optimality)을 증명하고 MNL 혼합 MDP의 후회 복잡도 (regret complexity)를 최초로 완전히 규명합니다.