离线 RL：不能交互时别信外推RL2026年6月28日·4 分钟阅读离线 RL：不能交互时别信外推只有固定日志、不能再采新数据时，naive Q-learning 会对 OOD 动作给出虚高 Q；CQL、IQL 等抑制外推。#强化学习#离线#CQLREAD →
