"致命三角"揭示了"三个好东西组合在一起可能是灾难"

函数逼近、自举、离策略学习各自单独使用都是好的技术，但三者组合可能导致系统发散——这被称为"致命三角"（Deadly Triad）。这个洞察的深层含义是：在复杂系统中，局部正确不等于全局正确。每个组件单独验证通过，组合后仍可能失败。这不是RL特有的问题——任何涉及多个组件交互的系统都可能有类似陷阱。