https://blog.qife122.com/tags/%E6%8E%A2%E7%B4%A2%E7%AD%96%E7%95%A5/ Recent content in 探索策略 on 办公AI智能小助手 Hugo zh-cn qife Sat, 13 Sep 2025 13:47:38 +0800 https://blog.qife122.com/p/%E6%8E%A2%E7%B4%A2%E4%B8%8E%E5%88%A9%E7%94%A8%E7%9A%84%E5%B9%B3%E8%A1%A1ppo%E7%AE%97%E6%B3%95%E4%B8%AD%E7%86%B5%E5%A5%96%E5%8A%B1%E7%9A%84%E8%B0%83%E4%BC%98%E5%AE%9E%E8%B7%B5/ Sat, 13 Sep 2025 13:47:38 +0800 https://blog.qife122.com/p/%E6%8E%A2%E7%B4%A2%E4%B8%8E%E5%88%A9%E7%94%A8%E7%9A%84%E5%B9%B3%E8%A1%A1ppo%E7%AE%97%E6%B3%95%E4%B8%AD%E7%86%B5%E5%A5%96%E5%8A%B1%E7%9A%84%E8%B0%83%E4%BC%98%E5%AE%9E%E8%B7%B5/ <h1 id="混沌代理breakout基线-3">混沌代理——Breakout基线 #3</h1> <p>正如莎士比亚曾写道：</p> <blockquote> <p>利用还是探索，这是个问题。<br> 是默然忍受已知安全策略的微薄回报，<br> 还是挺身反抗未知状态的海洋，<br> 通过探索发现更好的策略？</p> </blockquote> <p>这家伙真是超前于他的时代啊！今天我们将深入探讨，在我们仍不完美的MinAtar Breakout智能体中，熵奖励如何影响策略动态。希望到最后，我们能找到一些明确的迹象，以判断熵奖励是过高还是过低。</p>