【摘要】做强化学习的人，十有八九被这几个词绕晕过：on-policy、off-policy、online RL、offline RL，它们之间到底是什么关系？ 先说结论： on/off-policy 和 online/offline 是两个独立的维度，前者看「策略」，后者看「交互」。 1两个维度各自在问什么 阅读全文