本文综述强化学习与Transformer结合的研究：TrMRL利用元强化学习和自注意力提升连续控制性能；Decision Transformer将强化学习建模为序列问题，在Atari等任务上表现领先；后续工作改进离线强化学习、奖励建模与人类反馈，提高样本效率和迁移能力。