离线强化学习（Offline RL）是一种在固定数据集上进行训练的强化学习方法，无需与环境进行实时互动。其目标是通过利用历史数据，优化决策策略，提高模型在新环境中的表现。Offline RL在游戏、推荐系统、自动驾驶等领域具有重要应用价值，能够有效解决在线学习中数据收集成本高、安全性低等问题。