深度强化学习（Deep RL）
Deep Reinforcement Learning
用深度神经网络近似策略或价值函数，在交互中学习如何行动。
先用人话理解
经典强化学习在状态很大时难以用手写特征或表格方法扩展。深度强化学习把卷积网、全连接网等当作函数逼近器，从原始观测（如棋盘、像素）直接学策略与价值。AlphaGo、AlphaZero 等系统把深度网络与搜索、自我对弈结合起来，展示了这一路线的威力。
为什么重要
Deep RL 让复杂感知与长期决策可以放在同一套可学习框架里，连接了游戏、控制与部分大模型后训练实践。
常见误解
有深度网络不等于样本效率就高；很多 Deep RL 方法仍然数据饥渴、训练不稳。
围棋成功不代表同一套方法可直接迁移到开放世界所有任务。