模仿学习与逆强化学习：Behavior Cloning、DAgger、MaxEnt IRL、GAIL；专家演示、协变量偏移与奖励推断。

多智能体强化学习 MARL：随机博弈、CTDE、MADDPG、QMIX、MAPPO/IPPO；协作与竞争及非平稳性挑战。

RL 项目立项到上线 Checklist；CartPole POC 走查 Notebook 与各案例交付物对照。

真实案例：单关节力矩控制 Sim2Real；域随机化 Notebook、难点与 IL+护栏方案对比。

真实案例：生信 WGS/RNA-seq 集群作业调度；Q-Learning vs FIFO、难点与 bioinfo_cluster_scheduling.ipynb。

真实案例：App 信息流广告位推荐；MAB/UCB 落地、难点与 bandit_news_recommendation.ipynb。

以「配对区碱基数 + 3' 突出端 nt 数」的 19+2 与 21+2 两种主流写法为主线，说明各自结构、优劣、临床与研究使用场景及选型决策流程。

真实案例：倒立摆/AGV 平衡控制；CartPole→LunarLander→MuJoCo 渐进路线、落地难点与 ipynb 实战。

Dyna-Q 架构：表格 Q-Learning + 环境模型 + 模拟规划；Dyna-Q+、与 Model-Free / 深度 Model-Based 的关系。

随机种子、依赖版本锁定、config/checkpoint、W&B 与复现 checklist。