谷歌高被引研究员Kevin Murphy近期更新了其200页的强化学习权威教材，系统性地覆盖了从传统方法到直接偏好优化（DPO）、广义策略优化（GPRO）以及推理技术等最前沿进展。该教材作为领域内的标杆性文献，不仅整合了经典理论框架，更首次将多模态学习与大语言模型时代的强化学习范式变革纳入体系。作者通过数学严谨性与工程实践视角的平衡，特别突出了离线强化学习、基于模型的优化方法等工业界热点方向，并提供了可复现的代码案例。此次更新正值DeepMind等机构突破AlphaDev等应用之际，为学术界和产业界提供了及时的技术全景图。