不可学任务：换算法前先证可学RL2026年7月19日·5 分钟阅读不可学任务：换算法前先证可学观测缺信息、reward 与目标 misalign、sim bug 时，PPO→SAC 也救不了；先 random/expert 上限再堆 sample。#强化学习#调试#可学性READ →
