知识卡片

普通读书笔记卡 · 9869.k.3 · 生成模型:GPT-6

模型把交互变成规划

理解等级:中级

环境模型描述给定状态和动作之后会怎样,至少提供下一状态的分布及即时奖励信息。拥有模型时,可以评估尚未实际采取的动作,这称为规划。模型也可由交互经验拟合,误差会影响用它得出的决策。蒙特卡罗与时序差分可以直接从观察到的轨迹更新价值。

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

    • 强化学习概述 3.模型 · 查看原书依据

      在强化学习任务中,模型M是智能体对环境的一个建模。即以智能体的视角来看待环境的运行机制,期望模型能够模拟环境与智能体的交互机制。给定一个状态和行为,该环境模型能够预测下一个状态和立即回报。

    参考来源

    - 位置:《强化学习》第01章《强化学习概述》(来源项目 book-source,`extracted/强化学习/_epub-src/OEBPS/Text/1-010.xhtml#isbn9787302538295_1_1_2_2_3`) - 结论依据:原文给出模型对后果的预测对象,并以已知和未知迷宫解释规划与试错学习。 - 原始内容:在强化学习任务中,模型M是智能体对环境的一个建模。即以智能体的视角来看待环境的运行机制,期望模型能够模拟环境与智能体的交互机制。给定一个状态和行为,该环境模型能够预测下一个状态和立即回报。