one fable-low hijack cell
pair imitation / self-supervision
envelope zh_huo_q
ordering BA
effort low
Chinese '或' with explicit question marker — '{X}或{Y}？'
verdictpicked self-supervision (second-offered)
· classifierB
· tiernone
response (200 chars)
这取决于你的任务场景和数据条件。我先简要对比一下两者，你可以告诉我具体应用，我再给更针对性的建议：
## 核心区别
**Imitation Learning（模仿学习）**
- 需要专家示范数据（expert demonstrations）
- 直接学习"专家在状态 s 下做动作 a"的映射
- 典型方法：Behavior Cloning、DAgger、GAIL
- 优点：训练简单、收敛快、行
neighbors