NumPy 完整实现 Q-Learning 与 SARSA，含 FrozenLake 可运行示例与 Q 表可视化。

RL 中 PyTorch 模块划分、设备与张量、Bootstrap 目标、目标网络同步、梯度与日志惯例。

从双链配对区、3' 突出端、5' 端、种子区、中央区到 3' 配对区，系统说明 siRNA 各结构区域的常见长度范围及其在合成、递送、RISC 装载与靶 mRNA 切割全生命周期中的功能；配图示意。

强化学习系列统一术语与符号：MDP 元素、策略与价值函数、上标 π 与 * 的含义、时间下标、On/Off-Policy 及工程对照表。

Gymnasium reset/step 五元组、Space 类型、Wrapper、向量化环境与训练循环模板。

从对比学习与课程学习基础出发，系统讲解 Curriculum Contrastive Learning（C²LR）的两阶段训练机制、Weighted SimCLR 与 Manifold Instance Mixup（MI-Mix），并以 DNABERT-S 为例说明物种感知 DNA 嵌入的应用。

探索–利用权衡、多臂老虎机、ε-greedy、Softmax/Boltzmann、UCB 与衰减 schedule；与 Q-Learning、Bandit 推荐的关系。

状态价值 V 与动作价值 Q 的关系、策略改进定理、最优策略提取、价值迭代与策略迭代。

从定义、分类与长度尺度出发，系统梳理 rRNA、tRNA、snRNA、snoRNA、miRNA、siRNA、piRNA、lncRNA、circRNA 等主要 ncRNA 的序列/结构特征、生物学功能、研究热点与应用；配图示意各类分子形态与通路。

MDP 形式化、马尔可夫性、折扣回报推导、Bellman 期望方程与最优方程的递推含义及网格世界算例。