概念Offline RL / 批量强化学习
离线RL
仅从静态数据集中学习策略而不需要在线交互的强化学习范式，适用于交互成本高或危险的场景，核心挑战包括分布外动作过估计和离线到在线微调
时间轴 (近 90 天)
10月27日
纯离线RL的产业落地案例相对有限，更多作为在线RL的补充。
待验证50%
10月14日
离线RL只在预先收集好的固定数据集上训练策略，训练期间不再与环境交互，其核心优势是训练过程完全可复现、可审计。
待验证50%
10月14日
离线RL与线上持续RL的真正分歧在于“什么在权重前面把关”：离线RL的门控是发布流程本身（人工审核、离线评估、灰度发布），线上持续RL的门控是一个自动阈值。
待验证50%
10月14日
线上持续RL引入了新的失败模式：门控被绕过、阈值漂移、回滚触发条件不明确，这些问题在离线RL中不存在，因为离线RL里模型和服务是解耦的。
待验证50%