P0 · 必會
機器學習
強化學習 (Reinforcement Learning, RL)
是什麼
代理在環境中採取行動，依獎勵或懲罰回饋逐步學會較佳策略。
解決什麼問題
適合需要連續決策、延遲回饋及探索與利用權衡的任務。
考場 Trigger
- Agent 與環境互動
- 獎勵訊號
- 學習行動策略
容易搞混
監督式學習以回饋優化模型Q-Learning 與 Deep Q-Learning
初級深度
理解狀態、行動、獎勵與策略的關係即可，不需推導演算法。
中級深度
要能辨認獎勵駭客（Reward Hacking）：代理鑽獎勵漏洞刷分（如反覆放開再抓取），根因在獎勵設計，修正是讓獎勵對齊真正的任務目標（完成揀貨）。