El RL offline está dominado por el conservadurismo: una generalización segura, pero limitante. En nuestro nuevo artículo, preguntamos: ¿y si lo dejamos y confiamos en el principio bayesiano para la generalización adaptativa? Sorprendentemente, los despliegues a largo plazo —normalmente evitados en RL basado en modelos— hacen que funcione. 🧵