人工智能强化学习别一上来就上网络。凸问题求解比调参祷告可靠。2026年动态规划可以写成线性约束。网络优化又慢又难查。十分钟还是十年没人知道。不准把扭超参数当成唯一调参手段。现场把「差不多」当验收的方案，一律按事故处理，不能进周报。

人工智能控制痛点在默认深度网络，不先问问题能不能凸

值迭代的「对一切状态动作，当前值不优于一步再取值」可以写成对一组基函数系数的线性约束，再用加权把约束拉紧。建设者该把「能凸先凸、失败要有诊断、网络当后手」写成硬规格。管控制的人，该拒收一上来就扭学习率和批次的方案。

两处只有对着求解器才清楚。其一，强化学习现场常常既难查又丧气：是要再跑十分钟、十年，还是代码有虫？超参数扭完就祷告。凸优化求解器快，而且不可行、无界、数值病态会明确报出来。网络失败往往只剩「再跑一会儿」。其二，不是所有控制都能写成凸的。能写成的，采样动作、选基函数、加权拉紧约束，就是一个线性规划。摆锤一类低维连续控制，值得先走这条路。深度网络留下给凸不了、或凸完当残差的部分。能松弛却先上深度，是把可靠求解器换成不可诊断的训练。

操作上再钉三件事。第一，立项必须回答：值函数或策略能否写成凸或混合整数。能则先做。第二，凸方案必须报告求解状态，不只报回报。第三，网络方案必须有对照：同一任务上凸或简单基线的回报与稳定性。建设者该把「本周哪些任务跳过了凸」写进例会。管机器人的人，该拒收没有基线的深度强化学习材料。

人工智能控制闸2026五步：先问能不能凸、求解状态要报、网络当后手、超参数不当唯一、基线必须对照

1. 必须先问值函数能否凸松弛。直接上网络，方案作废。
2. 凸方案必须报求解状态。只报回报，方案作废。
3. 网络必须当后手。能凸不上，方案作废。
4. 扭超参数禁止当唯一调试。没有诊断，方案作废。
5. 必须有非网络基线对照。缺对照，方案作废。

上表对应「凸问题求解比调参祷告可靠」。先问能不能凸的价值是让不可诊断的训练进事故表，不是禁止网络。

现场还要防口号替换验收。把「已经上了强化学习」写成周报，不等于方法对。若只能改一处：先写清这个问题能不能凸。

结论：人工智能控制要以能诊断的求解为准，不要一上来就扭网络超参数

可靠失败也是信息。仍靠祷告交差，控制评审会先拒绝你。

你下次立项强化学习，先写出能否凸、求解状态、非网络基线；三格空着，学习率先不要进材料。

现场还要防口号替换验收。把「已经能验证网络、已经让生成发明项、已经接了自动微分、已经做了改写、已经上了强化学习」写成周报，不等于规格写清、发明有闸、链式法则钉死、等价类还在、凸问题没用神经硬上。周报可以写，门禁必须绑在对照表和分列指标上。缺对照表的方案，一律按未完成处理，不能进月报。

若只能改一处：先把「差不多就能交差」从唯一成功标准里拿掉。演示可以记，抽检当证明、发明当搜索、黑盒当梯度、早丢掉候选当优化、神经当唯一强化学习五件跟不上就算事故。事故要写负责人、复验日期和作废条件，不许用「下期优化」搪塞。

落地时把指标钉在周会上：形式规格写了没、发明步骤有没有人核、梯度路径是否可组合、等价类有没有过早丢掉、凸子问题有没有先走可靠求解。哪一格空着，哪一项不准对外说已经上线。空格超过两周仍空，项目暂停扩面。

现场还要防口号替换验收。把「已经能验证网络、已经让生成发明项、已经接了自动微分、已经做了改写、已经上了强化学习」写成周报，不等于规格写清、发明有闸、链式法则钉死、等价类还在、凸问题没用神经硬上。周报可以写，门禁必须绑在对照表和分列指标上。缺对照表的方案，一律按未完成处理，不能进月报。

若只能改一处：先把「差不多就能交差」从唯一成功标准里拿掉。演示可以记，抽检当证明、发明当搜索、黑盒当梯度、早丢掉候选当优化、神经当唯一强化学习五件跟不上就算事故。事故要写负责人、复验日期和作废条件，不许用「下期优化」搪塞。

落地时把指标钉在周会上：形式规格写了没、发明步骤有没有人核、梯度路径是否可组合、等价类有没有过早丢掉、凸子问题有没有先走可靠求解。哪一格空着，哪一项不准对外说已经上线。空格超过两周仍空，项目暂停扩面。

本文侧重全链路风控方法论。落地时请用自身业务单据做回放验证，不要把示例阈值直接当生产策略。 相关：风控体检 · 方案资源