策略随机探索

汤姆和佩琦9 小时前
学习·强化学习·策略随机探索
LLMs基础学习（八）强化学习专题（4）强化学习算法可抽象为 “数据收集 → 学习优化” 闭环：核心矛盾：训练阶段，当前策略并非最优，需主动尝试 “非最优动作” 探索更优解 → 策略需具备随机探索能力 。