一篇对当前 “用 RL 提升 memory / skill refinement” 这条线的批判性综述。作者把现状分成 4 类：SkillRL、MemRL、纯 prompt memory、search-augmented RL。本笔记整理作者的核心观点,并与 vault 内已有的相关论文笔记交叉链接。

来源: 整理自 @sheriyuo 的长文 RL Interview Questions 2026 (原文链接) 与 @vivek_2332 的逐题答案。

sheriyuo 在知乎也发过中文版: https://zhuanlan.zhihu.com/p/2046740446353811230

sheriyuo 在原文中提到几点: 没严格区分 LLM RL 与 Agentic RL; 几乎每道题都能继续追问, 没有给出参考答案; 现代 RL 招聘越来越要求全栈理解, 算法岗也会问 infra, 反之亦然; 数据相关问题没收录 (太看经验); 死记硬背不够, 深度理解更重要。