RL Chapter10 探索：从 ε-greedy 到 Curiosity
RL Chapter13 RL × LLM 综述：PPO、DPO、GRPO 的统一视角
RL Chapter11 离线强化学习：BCQ、CQL、IQL 与 DPO 的渊源
RL Chapter2 动态规划 (DP)：策略评估、策略迭代、价值迭代
RL Chapter12 模仿学习与逆 RL：BC、DAgger、GAIL、IRL
RL Chapter4 Q-Learning 与 SARSA：从评估到控制
RL Chapter3 Monte Carlo 与 TD：从样本估计价值
RL Chapter5 Policy Gradient：直接对策略求梯度
RL Chapter7 DQN 家族：深度学习接入 Q-Learning