有模型 RL：省样本但怕模型偏RL2026年7月7日·5 分钟阅读有模型 RL：省样本但怕模型偏学动力学做 imagined rollout 或 MPC；长 horizon 误差累积，短 horizon（MBPO）或 uncertainty 缓解。#强化学习#模型学习#样本效率READ →
稀疏奖励：先改任务再换算法RL2026年7月2日·3 分钟阅读稀疏奖励：先改任务再换算法大部分 step reward=0 时，credit assignment 像噪声；HER、curriculum、shaping 要选组合，纯 PPO 硬扛往往不经济。#强化学习#奖励#样本效率READ →
