DAgger（資料集聚合，dataset aggregation）

DAgger 是治療共變量偏移的標準解方，想法妙在簡單：讓學習者開車，但把專家留在副駕座上隨時糾正。先用行為複製訓練一個初始策略，接著讓這個策略在環境中實際跑一遍，看看它究竟會去哪裡。在它造訪的每個狀態上，問專家「在這裡你會怎麼做」，把這些新的狀態—動作標籤加進資料集，重新訓練，再重複。

因為每一輪都恰好在學習者產生的狀態上蒐集標籤，訓練分布會逐漸收斂到策略自身造訪的分布——正是行為複製所忽略的那個不匹配。幾輪之後，聚合而成的資料集就涵蓋了學習者的錯誤以及如何從中救回，於是策略學會回到正軌，而不是越偏越遠。

代價是需要一位可即時查詢的互動式專家：你得有人或某個系統，能在學習者誤闖的任意狀態上標出正確動作。這在模擬中很便宜，但在真實世界面對人類老師時，可能既笨拙又不安全。