#离线RL

离线强化学习的支持集外动作：为什么 Q 值会自我抬高

从 Bellman backup 的分布外 maximization 解释外推误差；比较行为约束、保守价值与策略正则，并用覆盖率切片与 FQE 交叉验证部署边界。

READ →