英文：Inverse Reinforcement Learning 分类：embodied
从专家示范中推断其背后的奖励函数的方法（IRL）。它解释"专家为什么这么做"，得到可迁移的奖励而非仅模仿动作。
方法：最大边际（特征匹配）、最大熵 IRL（分布匹配）、生成式（GAIL 学习策略+奖励隐式）；优势：奖励可迁移（换机器人也能用）、可解释；难点：歧义（多个奖励解释同一行为）、样本需求。
用于机器人（人类演示→奖励）、自动驾驶（驾驶风格建模）、行为分析与 LLM 对齐（从人类反馈学偏好）；IRL 是"从行为学意图"的技术。