给患者分几步用药时，后一步怎么选，会反过来影响我们对前一步的判断。递归 Q-learning——一种从多阶段数据中学习治疗规则的方法——正是从最后阶段往前推：先估算后续最佳结果，再把它当作前一阶段的训练目标。问题在于，后阶段模型一变，这个目标也会变；若每一阶段各自调参，局部看似更好的模型，未必能让整条治疗路径更准。
Kojima 提出的 feedback-aware soft tuning，把完整的向后拟合流程当作比较单位。每套候选方案都用自己生成的训练响应完成递归，再在同一个目标阶段评估预测风险；方法还会沿整条递归链计算后级选择对前级比较的影响。随后，它用指数权重柔性组合各套完整预测，并单独校正“用同一批数据估计权重”带来的偏差。
论文在固定、有限且平滑的候选模型库与 Gaussian shift model 等条件下，给出精确风险恒等式和 oracle inequality（说明结果接近候选方案中最佳者的理论界限）。作者也提供了可观测的两阶段实现。要注意，这里评估的是指定阶段的 Q 函数预测风险，不等同于患者采用该策略后的实际治疗收益。