强化学习 📅 2026年9月22日 强化学习是「让机器学会做决策」的核心范式：从 AlphaGo 击败人类顶尖棋手，到 RLHF 让 ChatGPT 走入亿级用户，再到 2024 年起 Reasoning RL 推动推理模型（o1、DeepSeek-R1）跃迁，RL 持续刷新…