奖励

计算机 · 即时反馈分数

术语解释

强化学习术语，环境对智能体某个动作的即时评价。训狗时给零食就是奖励——告诉狗"刚才那个动作对了"。AlphaGo赢一局得+1分，输一局得-1分，这个分数就是奖励。奖励函数定义了"什么是好的行为"。

奖励=即时打分，告诉AI这步做得对不对。