从免疫球蛋白折叠、FR/CDR 分区、V(D)J 胚系片段来源、VH–VL 配对界面到六条 CDR 环的空间排布，系统对比重链与轻链可变区的结构异同；配图对照 Chothia 拓扑与 Fab 晶体统计。

进化策略 ES：OpenAI ES、CMA-ES、PBT；黑盒优化、与策略梯度的对比及适用场景。

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。