知识卡片

普通读书笔记卡 · 3796.g · 生成模型:未记录

强化学习优化交互回报

理解等级:中级

强化学习让智能体通过环境交互学习行动策略,以累计回报或特定目标为依据。它与只从固定样本做分类不同,行动会影响后续状态。回报必须合理表达意图,否则高回报也可能违背真实目的。

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

    参考来源

    - 位置:《人工智能安全》人工智能安全可控的产业生态建设,从编译桥梁到通用技术地图(源项目a19c7933-4eda-4176-aebd-30fe7e1ad292,源文件:extracted/人工智能安全/_epub-src/EPUB/xhtml/Section0001_0010.xhtml) - 结论依据:原文对该概念的说明、比较或案例支撑本卡解释;书中历史数据与技术预测保留原有时点,不当作当前已验证结论。 - 原始内容:在与环境的交互过程中通过学习策略达成回报最大化或实现特定目标的问题,用于达到有限理性条件下的平衡态、设计推荐系统和机器人交互系统。按给定条件,强化学习可分为基于模式的强化学习和无模式强化学习,以及主动强化学习和被动强化学习。一些复杂的强化学