页面加载中…
搜索中文正文和常见中英文技术词，按教程、项目、面试题筛选。
「信用分配」找到 14 条内容
按专题浏览 →匹配题目：在处理长视野（Long Horizon）任务时，智能体常面临稀疏奖励和信用分配难题。请说明如何将此类任务与环境训练有效结合，列举并解释诸如分层强化学习、选项机制、过程奖励建模等关键技术手段。
匹配正文：…Model-free 与层级 RL：高层选择 option/子目标，低层执行原子动作；配合 n-step、GAE 或目标条件学习做信用分配。 Model-based planning：学习或使用环境模型预测后果。Dreamer 在 latent imagination 中训练 actor/critic；MuZero 学习表征、动力学和预测函数并用 MCTS 搜索，不能统一称为在隐空间做 MPC。 LLM 高层规划：在文本/工具任务中生成计划、分解子任务和调用工具；它是可选 p…
匹配正文：…、失败、约束和终止条件，再决定哪些信号进入训练，哪些只用于诊断。 长视野任务常只有终局结果，可以加入里程碑、过程验证或价值估计帮助信用分配。但中间奖励会改变优化目标。经典potential-based shaping在特定形式下可保持最优策略不变；普通的距离奖励若设计不当，可能让Agent停在容易拿分的局部位置，甚至绕路刷奖励。 多目标不要急着压成一个总分。任务正确、安全、成本、延迟和风格应分别记录；不可违反的权限与安全条件用硬约束、沙箱或审批处理。需要加权时，权重和量纲要通…
学习内容与项目面试，在同一条路上。