P2 · 辨識即可
Agent / MCP
推薦策略
是什麼
Exploration = 試未知選項以取得新資訊；Exploitation = 使用目前已知最佳選項以獲得回饋。
解決什麼問題
這題考強化學習代理要在嘗試未知選項與使用已知最佳選項之間取得平衡。
考場 Trigger
- 看到『一直選已知最好會錯過新機會，但常試新選項又犧牲短期績效』→ 探索／利用權衡
初級深度
看到名稱能辨識其類型與主要用途即可。
Official Evidence
官方題目正在怎麼考
1 官方題2 考綱節點
練習這個 Concept（1 題）