尽管强化学习的时间几乎与机器学习一样长，但仍然有很多探索和理解，以支持具有现实意义和广泛适用性的长期进步，微软研究人员在NeurIPS 2020接收的17 篇与 RL 相关的论文中强调了这一点。微软研究人员通过三个方面来探讨研究的选择：Batch RL，一个框架，代理可以在其中利用以往的经验，这对于现实世界的应用程序至关重要，特别是在安全关键的情况下；战略探索，算法识别和收集相关信息的机制，这对于成功优化绩效至关重要；表示学习，代理通过该学习总结和压缩输入，以实现更有效的探索，泛化和优化。