文档摘要

1.2 特点与挑战 本节摘要：RL 特点：延迟奖励、探索-利用权衡、非平稳数据分布。挑战：样本效率低、奖励稀疏、训练不稳定、安全约束。 本节目标 列举 RL 相对 SL 的三项独特难点 解释探索-利用为何不可回避 说明稀疏奖励对 Q-learning 的影响 核心特点 延迟奖励：当前动作的好坏可能要在多步后才显现——围棋一步棋、库存决策一周后才见利润。 非 i.i.d. 会员。《1.2 特点与挑战》收录于灏天文库文集《强化学习入门：探索智能体的决策之路》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/481-%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0%E5%85%A5%E9%97%A8%E6%8E%A2%E7%B4%A2%E6%99%BA%E8%83%BD%E4%BD%93%E7%9A%84%E5%86%B3%E7%AD%96%E4%B9%8B%E8%B7%AF

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流