概念Entropy-Regularized RL
熵正则化强化学习
在奖励函数中加入熵正则项的强化学习设定，其最优策略为Gibbs分布形式，熵正则项系数与温度互为倒数，是倾斜采样框架统一多种设定的基础
时间轴 (近 90 天)
10月16日
在熵正则化强化学习中，最优策略恰好是Gibbs分布形式，熵正则项系数与温度互为倒数，使得最大化熵正则化奖励与匹配Gibbs分布在数学上等价。
待验证50%
在奖励函数中加入熵正则项的强化学习设定，其最优策略为Gibbs分布形式，熵正则项系数与温度互为倒数，是倾斜采样框架统一多种设定的基础
在熵正则化强化学习中，最优策略恰好是Gibbs分布形式，熵正则项系数与温度互为倒数，使得最大化熵正则化奖励与匹配Gibbs分布在数学上等价。