互联网环境比较复杂，强化学习的基本假设很难满足，所以不太好应用，或者应用了效果不稳定
【 在 kelegg 的大作中提到: 】
: 阿里不是强化学习遍地开花了吗
--
修改:bbhk007 FROM 115.196.138.*
FROM 115.196.138.*