概念Exploration-Exploitation Tradeoff / 探索利用权衡
探索-利用平衡
强化学习中的核心基础性问题，描述智能体在利用已知有效策略获取奖励与探索未知区域发现更优解之间的权衡，在LLM后训练场景中尤为突出
时间轴 (近 90 天)
9月15日
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
待验证50%
9月15日
永不放弃策略本质上是在探索-利用权衡中向探索端做出更积极的倾斜
待验证50%
强化学习中的核心基础性问题，描述智能体在利用已知有效策略获取奖励与探索未知区域发现更优解之间的权衡，在LLM后训练场景中尤为突出
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
永不放弃策略本质上是在探索-利用权衡中向探索端做出更积极的倾斜