哪些奖励功能可导致最佳学习？
让我们考虑以下情况： 您正在教机器人打乒乓球 您正在教一个程序来计算平方根 您正在学校为一个孩子教数学 在这些情况下（即监督学习），许多其他情况（在其他情况中）有一个共同点：学习者根据其表现获得奖励。 我的问题是，奖励函数应该是什么样的？是否有“最佳”答案，还是取决于情况？如果取决于情况，如何确定选择哪种奖励功能？ 例如，采用以下三个奖励功能： 函数A说： 在某一点以下，坏或坏都是一样的：您一无所获 几乎完美与完美之间有明显的区别 函数B说： 您获得的奖励与您的表现成线性比例 函数C说： 如果你的表现不好，没关系，你就尽力了：你仍然会得到一些回报 完美与几乎完美之间没有太大区别 凭直觉，我认为A这会使机器人非常专注并学习确切的模式，但是在处理类似模式时C会变得愚蠢，同时会使它更适应更改，但会失去完美性。 人们可能还会想到更复杂的功能，只是为了展示而已： 那么，如何知道选择哪个功能呢？这是已知的行为会从（至少）基本出现A，B和C功能？ 附带的问题是，这对于机器人和人类孩子来说会根本不同吗？