概念online RL
在线强化学习
强化学习范式之一，智能体在训练过程中持续与环境交互、边收集数据边更新策略，能探索离线数据未覆盖的状态，但交互成本高且存在安全风险。
时间轴 (近 90 天)
10月21日
在线强化学习（on-policy RL）要求智能体在训练过程中不断与环境交互，交互成本随训练规模线性增长。
待验证50%
10月12日
在在线强化学习中，数据不能跨多轮反复使用，因此对采样效率与吞吐极为敏感。
待验证50%
强化学习范式之一，智能体在训练过程中持续与环境交互、边收集数据边更新策略，能探索离线数据未覆盖的状态，但交互成本高且存在安全风险。
在线强化学习（on-policy RL）要求智能体在训练过程中不断与环境交互，交互成本随训练规模线性增长。
在在线强化学习中，数据不能跨多轮反复使用，因此对采样效率与吞吐极为敏感。