强化学习算法选型向导

使用说明

向导把算法对比页面中的对照表和流程图做成了可交互的形式。规则是经验性的，主要考虑：

能否与环境交互，以及交互的成本；
动作空间是离散还是连续；
状态空间的规模；
是否有目标条件、多智能体、可用的模型；
是否在训练大语言模型，以及奖励信号的来源。

推荐列表的第一项是首选，后面是值得一并尝试的备选。

相关教程