该文综述基于模型的离线强化学习进展：MOPO以高风险惩罚应对分布漂移；MOReL采用模块化设计，性能达到或超过基准；MOOSE利用动力学模型评估策略，优于BRAC、BEAR、BCQ；对抗学习提升转移模型的泛化能力与不确定性量化；ROMI借助反向动力学生成无风险想象；MerPO平衡探索与利用；另有研究权衡模型与数据偏差，通过短模型滚动提升样本效率；元策略集合适应动态环境；鲁棒Q-learning、SARSA、TD算法；以及刻画模型误差与分布不匹配下的策略性能下限。