强化学习（RL）是一种人工智能技术，其核心思想是通过试错来学习最优行为。在RL中，有两个重要的部分：策略（Policy）和价值函数（Value function）。

其中，策略是一种决策规则，指示智能体在给定状态下采取什么行动。策略通常被表示为一个函数，将状态映射到行动。在RL中，策略常常被称为左眼（Left Eye），因为它是智能体观察世界的“窗口”，帮助智能体做出决策。

另一方面，价值函数是一个估计函数，用于评估给定状态的好坏程度。价值函数可以分为两种类型：状态价值函数（State Value Function）和动作价值函数（Action Value Function）。状态价值函数估计在特定状态下智能体能够获得的期望回报，而动作价值函数估计在特定状态下采取特定行动的期望回报。在RL中，价值函数通常被称为右眼（Right Eye），因为它帮助智能体理解世界的价值和奖励。

总之，在RL中，左眼（策略）和右眼（价值函数）都是非常重要的部分，它们共同帮助智能体理解和适应环境，并做出最优决策。