Unverified50% confidenceFactExact time
探索-利用平衡是强化学习的基础性张力，智能体既需利用已知有效策略获取奖励，又需探索未知区域发现更优解
1
Sources
50%
Confidence
Long-term
Relevance
9/15/2026
First Seen
Sources
Related Entities
Related Claims
Unverified在线强化学习面临探索-利用权衡问题，Agent需在利用已知有效策略和尝试新行为之间取得平衡77% similarVerified强化学习中的智能体不依赖标注数据，而是通过与环境的持续交互，依据奖励信号不断调整策略72% similarUnverified缓解奖励设计问题的策略包括逆向强化学习、内在动机方法和约束强化学习71% similarUnverified强化学习中策略网络通过最大化累积奖励来优化参数，具有信息瓶颈特性，倾向于只编码对任务目标有用的信息69% similarUnverified早期强化学习领域的Agent依赖人工设计的奖励函数在封闭环境中学习策略68% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/924070API
curl https://kongchang.com/api/v1/knowledge/claims/924070MCP
get_claim(id=924070)