https://www.chenk.top/zh/tags/cql/Recent content in CQL on Chen Kai BlogHugozh-CNMon, 15 Sep 2025 09:00:00 +0000https://www.chenk.top/zh/reinforcement-learning/10-%E7%A6%BB%E7%BA%BF%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/Mon, 15 Sep 2025 09:00:00 +0000https://www.chenk.top/zh/reinforcement-learning/10-%E7%A6%BB%E7%BA%BF%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0/<p>到目前为止，我们学过的所有算法都遵循同一个核心循环：行动、观察、更新。这个循环让强化学习得以运转，却也恰恰阻碍了它在现实世界中的部署。自动驾驶系统不可能靠撞车来练习通过路口；临床决策支持模型不能在真实患者身上随意尝试随机策略；工厂里的机械臂也无法在产线上反复测试上万种抓取方式。</p>