通俗解释
把轨迹写成“期望回报、状态、动作”交替的序列，用 GPT 式的因果 Transformer 做监督学习。测试时输入想要的回报，模型就生成相应水平的动作。它不用价值函数和策略梯度，在离线 RL 基准上与当时的专门方法相当。
用在哪里：离线 RL 与“用序列模型做控制”的研究基线
01原始论文
Decision Transformer: Reinforcement Learning via Sequence Modeling
Lili Chen, Kevin Lu, Aravind Rajeswaran, et al. · 2021
arXiv ↗ ✓ 已核实 · arXiv API
02知识位置
左边先学；右边是学完它之后可以学的。
相关：保守 Q 学习（CQL，离线强化学习）世界模型（Ha & Schmidhuber）
左：前置 · 右：后继 · 虚线：相关。看完整关系图 →
03学习资料
官方文档、图解、课程和参考实现，链接都核对过。
04在课程里哪里学
给 AI 读 / 数据说明
- 核实状态：已核实，核对于 2026-10-22。
- JSON: /api/learn/algorithms.json (id:
decision-transformer)