强化学习 中状态和奖励
是对 “当前环境情况” 的完整描述，能让智能体知道 “自己现在在哪、面临什么”。例子：玩游戏时，屏幕上的角色位置、敌人分布、剩余血量，合起来就是一个状态；机器人导航时，自身坐标、周围障碍物位置，也是状态。核心作用：帮智能体判断 “当下该基于什么信息做决策”。是环境给智能体的 “即时打分”，只针对智能体上一步的行为给出反馈。例子：游戏中吃到金币得 10 分（正奖励）、撞到敌人扣 20 分（负奖励）、
·
核心结论：状态是智能体 “当下所处的情境”，奖励是环境对智能体 “刚才行为” 的即时反馈信号，两者共同指导智能体学习最优行为。
1. 什么是状态（State）
- 是对 “当前环境情况” 的完整描述，能让智能体知道 “自己现在在哪、面临什么”。
- 例子：玩游戏时，屏幕上的角色位置、敌人分布、剩余血量，合起来就是一个状态；机器人导航时，自身坐标、周围障碍物位置，也是状态。
- 核心作用：帮智能体判断 “当下该基于什么信息做决策”。
2. 什么是奖励（Reward）
- 是环境给智能体的 “即时打分”，只针对智能体上一步的行为给出反馈。
- 例子：游戏中吃到金币得 10 分（正奖励）、撞到敌人扣 20 分（负奖励）、没任何动作得 0 分（无奖励）；机器人成功到达目标点得 50 分（正奖励），碰到障碍物扣 30 分（负奖励）。
- 核心作用：告诉智能体 “刚才的行为好不好”，引导它往多拿正奖励、少拿负奖励的方向调整行为。
3. 两者的核心关联
- 智能体先观察 “状态”，基于状态做出行为；
- 行为之后，环境会更新状态（比如角色移动到新位置），并给出 “奖励”；
- 智能体通过 “状态→行为→奖励” 的循环，学习 “在什么状态下该做什么行为，才能累计更多总奖励”。
火山引擎开发者社区是火山引擎打造的AI技术生态平台，聚焦Agent与大模型开发，提供豆包系列模型（图像/视频/视觉）、智能分析与会话工具，并配套评测集、动手实验室及行业案例库。社区通过技术沙龙、挑战赛等活动促进开发者成长，新用户可领50万Tokens权益，助力构建智能应用。
更多推荐
6
0- 0
已为社区贡献3条内容
所有评论(0)