强化学习Agent的唯一目标就是最大化在长期运行过程中收到的总奖赏。（）
A.正确
B.错误
正确答案：A
强化学习Agent的唯一目标就是最大化在长期运行过程中收到的总奖赏。（）
1次阅读
猜你喜欢
- 参与奖赏系统的主要神经递质是（）
- 钱学森曾经说过：“我作为一名中国的科技工作者，活着的目的就是为人民服务。如果人民最后对我的一生所做的工作表示满意的话，那才是最高的奖赏。”这说明评价人生价值的根本尺度是：
- 钱学森曾经说过：”我作为一名中国的科技工作者，活着的目的就是为人民服务，如果人民最后对我的一生所做的工作表示满意的话，那才是最高的奖赏。”这说明评价人生价值的根本尺度是（）
- 钱学森曾经说过：“我作为一名中国的科技工作者，活着的目的就是为人民服务。如果人民最后对我的一生所做的工作表示满意的话，那才是最高的奖赏。”这说明评价人生价值的根本尺度是（）。
- 钱学森曾经说过：“我作为一名中国的科技工作者，活着的目的就是为人民服务，如果人民最后对我的一生所作的工作表示满意的话，那才是最高的奖赏。”这说明评价人生价值的具体标准是（）