Definition
在决策过程中，智能体面临权衡：它们可以利用当前知识获得最佳即时奖励，或者探索未知选项以潜在地找到更好的长期策略。
Summary
探索-利用困境是强化学习中的一个基本问题，智能体必须在探索新动作以收集信息和利用已知动作以最大化奖励之间做出选择。
Key Concepts
- 奖励最大化
- ε-贪婪算法
- 上置信界
- 强化学习
Use Cases
- 推荐系统决定是否建议热门商品还是新商品
- 营销活动中的A/B测试
- 动态环境中的资源分配
A comprehensive multilingual AI terminology dictionary
在决策过程中，智能体面临权衡：它们可以利用当前知识获得最佳即时奖励，或者探索未知选项以潜在地找到更好的长期策略。
探索-利用困境是强化学习中的一个基本问题，智能体必须在探索新动作以收集信息和利用已知动作以最大化奖励之间做出选择。