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