本文综述离线强化学习与原始-对偶优化的进展，包括线性规划原对偶方法、悲观离线线性MDP算法（达极小极大最优）、弱化Bellman完备性等假设并以单策略集中性实现多项式样本复杂度、无探索离线RL、DPDL及策略梯度原对偶算法（保证收敛与低遗憾），以及在线MDP随机原对偶法、无奖励探索和低秩离线策略评估。