解决分布外泛化的终极方案：把分布外都训进去

解决分布外泛化的一种思路，是在所有可能的 RL 环境上训练，让训练分布覆盖原本的分布外场景。文章借“世界上不再存在分布外”的梗图调侃这一思路，反思 RL 训练中对模型泛化能力的担忧。