モデルベースの好奇心に基づく学習

内在的報酬の形成

内在的報酬シグナルの設計と重み付けのプロセスで、しばしばタスクの外的報酬と組み合わせられます。良い形成は探査と活用のバランスを取るために重要です。

← 戻る