待验证50% 置信事实精确时间
势能奖励塑形（Potential-based Reward Shaping）由 Ng 等人在 1999 年提出：若中间奖励定义为 F(s,s') = γΦ(s') - Φ(s)，则最优策略不会因塑形而改变。
1
来源数
50%
置信度
长期有效
时效性
2026/10/14
首次发现
来源
涉及实体
相关事实
待验证若塑形奖励形如 F(s, s') = γΦ(s') − Φ(s)，则在该塑形下得到的最优策略与原始稀疏奖励问题的最优策略完全一致。76% 相似待验证基于势函数的奖励塑形（potential-based reward shaping）可保证最优策略不变。73% 相似待验证PPRS（进度势能奖励塑形）基于势能函数 Φ 的潜在增量计算每步奖励，属于 Ng 等人 1999 年证明的势能塑形框架的具体实例，满足奖励塑形不变性。68% 相似待验证NGU算法将外部奖励与两种内在奖励叠加：基于情节内新奇度的短期奖励和基于生命周期新奇度的长期奖励67% 相似待验证奖励塑形是指在原始稀疏奖励之外加入额外的、更密集的引导性奖励信号，帮助智能体更快更正确地学习66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1028127API
curl https://kongchang.com/api/v1/knowledge/claims/1028127MCP
get_claim(id=1028127)