文档摘要

一个反例：泳池与海洋 本节是第一章的引擎室：解释了为什么 Deep-Researcher 非得在真实、会变的互联网里用强化学习训练，而不是在固定的维基切片上跑。全册后面第三章的算法都建立在这个选择之上——如果这里没想通，第三章的公式你会觉得是为复杂而复杂。 先给一个反例。很多早期系统在一个"干净"的静态知识库里训练智能体，就像在游泳池里学航海：动作标准，却从没遇到过真实海上的风浪、暗礁和洋流。 会员。《1.2 核心理念：真实环境交互与强化学习》收录于灏天文库文集《Deep-Researcher深度研究智能体教程》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/411-deep-researcher%E6%B7%B1%E5%BA%A6%E7%A0%94%E7%A9%B6%E6%99%BA%E8%83%BD%E4%BD%93%E6%95%99%E7%A8%8B

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流