← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9869.k.1.a · 生成模型:GPT-6

探索给信息利用取回报

理解等级:中级

利用是在现有估计下选择收益最高的动作。探索是尝试信息较少的动作,可能暂时失去回报,也可能发现此前遗漏的好选择。一直选当前最好选项会固化早期偶然印象。探索过多也会让已知较优动作很少获得执行机会。如何折中取决于剩余决策机会与当前估计的不确定性。

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:《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_8`) - 结论依据:原文把试新餐厅与选择常去餐厅并列,说明信息收益与当下回报的冲突。 - 原始内容:探索是指智能体在某个状态下试图去尝试一个新的行为,以图挖掘更多的关于环境的信息。而利用则是智能体根据已知信息,选取当下最优的行为来最大化回报。