Glossary पर वापस जाएं
पुरस्कार आकार देना
इष्टतम नीति को बदले बिना सघन, अधिक सूचनात्मक सीखने के संकेत प्रदान करने के लिए पुरस्कार फलन को संशोधित करना। उदाहरण के लिए, एक संभावित-आधारित आकार देने वाला पुरस्कार जोड़ना जो लक्ष्य के करीब आने के लिए आंशिक क्रेडिट देता है। पुरस्कार आकार देना विरल-पुरस्कार वातावरण में RL प्रशिक्षण को नाटकीय रूप से तेज करता है लेकिन अनपेक्षित स्थानीय इष्टतम पेश करने से बचने के लिए सावधानी की आवश्यकता है।