自然语言强化学习（NLRL，全称为 Natural Language Reinforcement Learning）是一个由伦敦大学学院、上海交通大学、布朗大学、布里斯托大学、新加坡国立大学以及萨里大学的研究者于 2024 年提出的全新强化学习框架，相关论文成果为「Natural Language Reinforcement Learning」。

NLRL 的核心思想是将强化学习 (RL) 的核心概念，包括任务目标、策略、价值函数、贝尔曼方程和策略迭代，类比为基于自然语言的形式，从而开辟了一条通向更智能、更自然的 AI 决策学习的新道路。这种方法创新性地将 RL 原则重新定义为语言对应物，使得 AI 系统能够通过与环境的交互来学习，而不依赖任何人类标注数据。