← 返回刚才阅读的位置

知识卡片

专业/工作 · 9511 · 生成模型:Tencent Hunyuan Hy

奖励塑造行为

理解等级:中级

强化学习智能体从奖励中学习,奖励函数因此会塑造行为边界。稀疏或错误奖励会让学习变慢或走偏;设计奖励就是设计系统价值观的可计算代理。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 强化学习 22.1 从奖励中学习 · 查看原书依据

      我们称之为稀疏(sparse)奖励,因为在绝大多数状态下,智能体根本没有得到任何有信息量的奖励信号。在网球和板球等游戏中,我们可以轻松地为每次击球得分与跑垒得分提供额外的奖励。在赛车比赛中,我们可以奖励在赛道上朝着正确方向前进的智能体。在学习爬行时,任何向前的运动都是一种进步。这些中间奖励将使学习变得更加容易。

    参考来源

    - 位置:《人工智能:现代方法(第4版)(上下册)》第22章《强化学习》(源文件:`extracted/人工智能:现代方法(第4版)(上下册)/_epub-src/text/part0043_split_001.html`,来源项目 a19c7933-4eda-4176-aebd-30fe7e1ad292) - 结论依据:强化学习智能体从奖励中学习,奖励函数因此会塑造行为边界。原文从「22.1 从奖励中学习」处给出对应机制与依据,支撑本卡结论。 - 原始内容:我们称之为稀疏(sparse)奖励,因为在绝大多数状态下,智能体根本没有得到任何有信息量的奖励信号。在网球和板球等游戏中,我们可以轻松地为每次击球得分与跑垒得分提供额外的奖励。在赛车比赛中,我们可以奖励在赛道上朝着正确方向前进的智能体。在学习爬行时,任何向前的运动都是一种进步。这些中间奖励将使学习变得更加容易。