本文研究了多保真度数据在强化学习中的应用，提出了多能级估计器和Monte Carlo RL方法，以提高学习性能。通过神经网络和残差函数建立模型相关性，实现高保真度数据的有效预测，节省计算成本。此外，提出了基于深度贝叶斯学习框架的主动学习方法，结合降维技术和多保真度建模，提升了气候预测和生物制造过程的建模准确性。