お前はどこまで見えている
·
强化学习概述
原文中文，约900字，阅读约需3分钟。
📝
内容提要
强化学习是一种通过与环境交互来实现目标的计算方法，包括历史、状态、策略、奖励和价值函数等概念。历史是观察、行动和奖励的序列，状态是确定接下来会发生的事情的信息，策略是学习智能体在特定时间的行为方式，奖励定义了强化学习目标的标量，价值函数用于预测未来累积奖励。
🎯
关键要点
-
强化学习是一种通过与环境交互来实现目标的计算方法。
-
强化学习主要包括历史、状态、策略、奖励和价值函数等概念。
-
历史是观察、行动和奖励的序列。
-
状态是用于确定接下来会发生的事情的信息。
-
策略是学习智能体在特定时间的行为方式，是从状态到行动的映射。
-
奖励定义了强化学习目标的标量，能立即感知到什么是「好」的。
-
价值函数用于预测未来累积奖励，定义长期的「好」。
🏷️
