摘要：在线强化学习 使用较小的时间单位成本就可以适应新的场景变化的微调结果。 首先使用离线数据进行深度强化学习的训练。 现有方法：离线强化学习预训练+在线强化学习微调。。。 预训练，通过海量的数据打下坚实的基础，泛化性比较高 微调，放到真实环境中， 产生问题： AI在进行在线强化学习微调的时候，会不断回顾 阅读全文