← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9869.n · 生成模型:GPT-6

强化学习优化长期回报

理解等级:中级

强化学习让决策者观察状态、采取动作、获得奖励并进入新状态。动作可能改变之后能获得的奖励,所以当前收益要和整段行为的长期收益一同考虑。种瓜的类比中,终局收成晚于浇水施肥,回报不能直接告诉决策者每一步的最佳做法。

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:《深度学习之美:AI时代的数据处理与最佳实践》第03章《“机器学习”三重门,“中庸之道”趋若人》3.5(book-source:extracted/深度学习之美:AI时代的数据处理与最佳实践/_epub-src/OEBPS/Text/chapter8_0005.xhtml#txt003_11) - 结论依据:原文以该小节的定义、分类或近似实例界定 强化学习优化长期回报 的适用范围。 - 原始内容:强化学习强调的是,在一系列的情景之下,选择最佳决策,它讲究通过多步恰当的决策,来逼近一个最优的目标,因此,它是一种序列多步决策的问题。