标强化学习基本假设之——回报函数假设

考虑以下命题： “我们所有目标和目的都可以通过最大化接收到的标量信号(也称为奖励)和的期望来实现。” 这是真的？假？一个定义？无法伪造？欢迎大家就该假设发表评论，一两句也行。比如，“是的”，“不是的”。 这是我最喜欢的“零假设”，以至于我有时将其简称为零假设。对这个非常基本的问题所持有的立场是很关键的，这样后面才可以更清晰，明智地谈论很多其他问题。 迈克尔·利特曼（Michael Littman）

>>阅读原文<<