文档摘要

4.2 学习机制与算法 本节摘要：机制是「经验如何变成一次合法更新」。步骤可概括为感知经验、积累、更新内部知识、用新知识改下一轮行为。算法是这条管道上的具体阀门：梯度下降改参数、Q 学习改价值表、策略梯度直接改行动分布。选算法先认它改的是表示、价值还是策略，以及它假设数据是否来自当前策略。深度只是函数近似的一种材料，不是新范式。 会员。《4.2 学习机制与算法》收录于灏天文库文集《AI 智能体基础：认知、决策与学习》，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/513-ai-%E6%99%BA%E8%83%BD%E4%BD%93%E5%9F%BA%E7%A1%80%E8%AE%A4%E7%9F%A5%E5%86%B3%E7%AD%96%E4%B8%8E%E5%AD%A6%E4%B9%A0

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