通俗解释
在 AlphaZero 基础上，学习一个隐空间动力学模型，只预测奖励、价值和策略，而不重建画面，在 Atari 和棋类上都达到顶尖水平。
用在哪里：视频压缩码率控制等
01原始论文
Mastering Atari, Go, Chess and Shogi by Planning with a Learned Model
Julian Schrittwieser, Ioannis Antonoglou, Thomas Hubert, et al. · 2019
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：Dreamer（隐空间想象）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。
博客图解
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 2026-10-21。
- JSON: /api/learn/algorithms.json (id:
muzero)