该文综述离线强化学习中的不确定性启发式方法，包括贝叶斯优化、自回归动力学模型、集合多样化演员-批评家、PETS、REM、对抗学习转移模型及双向离线模型想象，表明这些方法能提升样本效率、泛化性与策略质量，并在D4RL等基准上达到最优性能。