为什么 Agent 的目标是最大化预期的累积奖励？

[weixin_28747029]

为什么 Agent 的目标是最大化预期的累积奖励？

[weixin_38498942]

实际上，强化学习是基于奖励假设的想法。所有目标都可以通过预期累积奖励的最大化来描述。