总觉得把 RL 翻译成「强化学习」，追求了准确，但理解门槛要比「模仿学习」这种的要高。
如果把 RL 翻译成「反馈学习」——无论是奖励还是惩罚，都是与环境的互动中得到反馈，来进一步调整行为，会不会更好理解一点？