資料內(nèi)容：
一、強化學(xué)習(xí)基礎(chǔ)面
1.1 介紹一下強化學(xué)習(xí)？
強化學(xué)習(xí)（Reinforcement Learning）是一種時序決策學(xué)習(xí)框架，通過智能體和環(huán)境交互
1.2 介紹一下強化學(xué)習(xí) 的 狀態(tài)（States） 和 觀測（Observations）？
• 狀態(tài)（States）：對于世界狀態(tài)的完整描述
• 觀測（Observations）：對于一個狀態(tài)的部分描述，可能會缺失一些信息。當(dāng)O=S時，稱O為完美信息/fully
observed；O<S時，稱O為非完美信息/partially observed。
1.3 強化學(xué)習(xí) 有哪些 動作空間（Action Spaces），他們之間的區(qū)別是什么？
• 離散動作空間：當(dāng)智能體只能采取有限的動作，如下棋/文本生成
• 連續(xù)動作空間：當(dāng)智能體的動作是實數(shù)向量，如機械臂轉(zhuǎn)動角度
其區(qū)別會影響policy網(wǎng)絡(luò)的實現(xiàn)方式。
1.4 強化學(xué)習(xí) 有哪些 Policy策略？
• 確定性策略Deterministic Policy： at = u(st)，連續(xù)動作空間
• 隨機性策略Stochastic Policy： at ~ π(·|st) ，離散動作空間
