知识卡片
随机演局可作搜索基线
纯搜索从叶子开始快速随机推进到终局,再用实际输赢回传。神经搜索用网络直接估非终止叶。比较模型时应记录双方模拟次数、先后手与对局数。提高基线预算后,两次胜率就对应不同强度的对手。
关联:[[叶节点估值沿路径回传]]。纯搜索用实际模拟终盘代替网络叶估值,回传路径可类比。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 10.2 模型评估中的蒙特卡罗搜索 · 查看原书依据
双方完全随机落子
参考来源
- 位置:《强化学习入门:从原理到实践》第10章《10.2 模型评估中的蒙特卡罗搜索》,来源项目 book-source,`extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter90.xhtml`,body 子元素 5
- 结论依据:原文从叶点评估的差别解释纯搜索对手的角色。
- 原始内容:双方完全随机落子