A. 深度学习方法的成功应用案例大部分都具备很好的数据集标签(labels),而RL没有明确的标签

B. 深度学习一般假设其样本都是独立同分布的,但RL通常会遇到一段相关度很高的状态量

C. RL状态的分布不相同

D. 使用非线性网络表示值函数时出现网络不稳定,收敛困难等问题