引言：当AI学会“察言观色” 在传统强化学习框架中，智能体（Agent）通常通过预设的奖励函数与固定环境交互，其策略优化高度依赖开发者设计的规则。然而，真实世界的博弈场景（如金融交易、谈判协商）往往充满不确定……
