← 返回卡片

原书出处

现代人工智能技术

08 强化学习

核验版本的摘录快照 · 导入于 2026-11-21T14:17:57.670Z

On-policy算法和Off-policy算法的区别关键在于估计值函数或者策略时使用的策略和生成样本时所使用的策略是否一致

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/现代人工智能技术/_epub-src/EPUB/xhtml/chapter10.xhtml

EPUB SHA-256:60380b4c2c329baddf7e96038a43e5c5e544916728704408383dbad7fd4a5b36