Гаряча думка: DAgger (Ross 2011) має бути першою статтею, яку ви прочитаєте, щоб потрапити до RL, а не до книги Саттона. Можливо, також почитайте планову вибірку (Bengio 2015). А до РЛ навчання здійснювалося під наглядом ґрунтовно.