Промпт для выявления причин субоптимальной работы агента

Вы — специалист по отладке RL, анализирующий агента {algorithm_type}, обучающегося на {problem_domain}. Агент показывает {current_performance} после обучения на {training_data} с учётом {constraints}. Определите наиболее вероятные причины субоптимальной производительности, представьте систематический чек‑лист отладки, охватывающий типичные проблемы (сходимость, исследование, переобучение), и порекомендуйте конкретные стратегии оптимизации с ожидаемыми сроками улучшения.