← 返回刚才阅读的位置

知识卡片

延伸参考卡 · 10032.d.2.c · 生成模型:GPT-6

AlphaGo用模型约束搜索预算

理解等级:高级

围棋动作树太大,单靠逐层枚举无法在常见预算内到达全部终局。AlphaGo 以学习到的策略为走子排序,用估值近似后续结果,再用树搜索集中比较重要分支。该设计将规模问题拆到搜索广度与深度两个方面。

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:《机器学习观止:核心原理与实践》第23章《基于强化学习的经典应用——AlphaGO》(来源项目 book-source,`extracted/机器学习观止:核心原理与实践/_epub-src/OEBPS/Text/chapter23.xhtml`)。 - 结论依据:第 23.2 节通过人工棋谱限制与动作空间解释组合模型的原因。 - 原始内容:策略网络、估值网络等核心组件,实际上都是在为这个原理服务。