https://chengyongru.github.io/tags/rl/ Recent content in RL on CYR'ML Hugo en-us Tue, 14 Jul 2026 23:59:58 +0800 https://chengyongru.github.io/blog/notebook/%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0%E5%85%A5%E9%97%A8%E4%B9%8B%E8%B7%AF0/ Thu, 20 Nov 2025 01:17:02 +0800 https://chengyongru.github.io/blog/notebook/%E5%BC%BA%E5%8C%96%E5%AD%A6%E4%B9%A0%E5%85%A5%E9%97%A8%E4%B9%8B%E8%B7%AF0/ <p>假设我们要构建一个 Agent，在谈 Policy 或 Action 之前，先要回答一个问题：目标怎么量化，又怎么让机器使用这个量化结果？</p> <p>在强化学习里，这个介质就是 Reward。</p> <h2 id="奖励与轨迹">奖励与轨迹</h2> <p>在这个框架下，我更愿意把 Reward 看成我们和 Agent 沟通的语言。我们通过设计 Reward 函数来引导 Agent 的行为。这里有一个容易忽略的点：在强化学习语境下，“没有奖励”本身也可能是一种惩罚，比如时间流逝带来的代价；反过来也一样。这些情况在数学上可以统一处理。</p>