按照原文的说法：“他也可以决定要学习，在下一个时间点，因为他没有玩耍，所以觉得很不爽，所以得到奖励−1”，但是配图中的 $r_{t+1}=1$ ，与文字和上下文的描述不符。 <img width="807" alt="Image" src="https://github.com/user-attachments/assets/410b0680-fea9-4783-9be2-017d426b9adb" />
