Scope
这个 topic 现在作为 模仿学习/Imitation Learning/IL 的父类使用，覆盖行为克隆、交互式模仿学习、对抗模仿学习、策略蒸馏、从多个 demonstrator 或 oracle 中学习等方向。Active Imitation Learning 被放在这里作为子目录，因为它本质上仍然是在 IL 问题里讨论 何时查询 expert、查询哪个 expert、以及如何用更少的 expert feedback 改善策略。
这里的默认边界是 非 LLM、偏传统控制或 Deep RL 语境下的 IL。如果一篇工作真正的对象是 LLM agent 的多轮环境交互、tool use、RLVR、RLHF post-training 或语言模型推理训练，它不应该因为用了 “RL” 或 “imitation” 这样的词就塞进这里，而应优先看 Agentic RL、Textual Reasoning 或 Safety & Alignment 的边界。