约束 MDP 的代价估计偏差：安全层看起来在工作RL2026年7月29日·16 分钟阅读约束 MDP 的代价估计偏差：安全层看起来在工作区分期望约束、条件风险与硬屏蔽，解释代价 critic 偏差如何让可行集虚胖；用约束违反轨迹占比、拉格朗日乘子轨迹和安全层旁路注入验收。#强化学习#约束MDP#安全#估计偏差READ →
