Pedro Domingos 引述新研究断言“强化学习基本没用”，以监督学习作对比

Pedro Domingos 转发 svlevine 的研究并断言“又有证据表明强化学习基本没用”。研究称，只要处理若干关键细节，仅用基于 advantage 的监督学习提取策略，就能在 RL 任务上取得 SOTA 结果，并挑战 RL 经典范式。