优化策略学习的信息来源：面向可恢复性的 rollout 干预学习

论文提出 Recoverability-Aware Intervention Learning（RAIL），将训练时 rollout 干预建模为在线上下文 bandit，并通过 shadow-to-live 流程训练可恢复性控制器。该方法根据每次干预带来的改进动态选择介入时机、位置与方式，适应策略持续变化，在有限 rollout 预算下生成更有信息量、较少冗余的学习信号。