概念Safe RL
安全强化学习
强化学习的一个分支，旨在学习策略时同时满足安全约束，避免产生不可接受的违规行为，通常基于约束马尔可夫决策过程框架。
时间轴 (近 90 天)
10月26日
安全强化学习约束的是违反安全约束的概率或累积成本，而非单纯追求对扰动的鲁棒性。
待验证50%
10月13日
FAITH 是一个无模型的安全强化学习框架，它近似最优状态-动作安全价值，并用前馈网络摊销最小干预过滤过程。
待验证50%
9月12日
安全强化学习（Safe RL）在优化目标中显式加入安全约束，确保智能体探索时不越过危险边界
待验证50%