← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 10032.d.2.c.4 · 生成模型:GPT-6

估值和模拟共同评价叶子

理解等级:高级

早期 AlphaGo 用策略先验引导树中分支。新叶子同时获得价值网络预测和快速策略走到终局的模拟结果,汇合后回传并更新路径中的统计量。它把便宜但可能不准的评估和树搜索的多次试探配合起来。

AlphaGo的搜索估值也须统一叶节点回报与玩家视角。参见 [[搜索回传要统一玩家视角]]。

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:图 23-5 分画价值 v 与模拟终局 z,再在回传前组合。 - 原始内容:MCTS主要包含选择(Selection)、扩展(Expansion)、评估(Evaluation)和后备(Backup)四个阶段