Q-value

Определение

В обучении с подкреплением — математическое ожидание суммарной будущей награды для действия в данном состоянии. Используется в алгоритмах Q-обучения (например, MCTS).

Где встречается

• 893. Как работает tree search (MCTS) для LLM агентов

Навигация

• Индекс терминов
• Индекс разборов
• Оглавление