最近有很多關於強化學習（RL）預訓練的論文。我不知道，顯然這是有效的，但感覺這樣做實在太糟糕了，我們實際上是在為標記進行抽樣。這是潛在推理明顯可取的唯一地方。 儘管如此，這是有效的。對Sutton的另一個反駁。