強化学習を一言で言うと、各報酬を、それにつながった各アクションに伝播させ、各ステップで割引を行うということです。
スレッドを読み込み中
X から元のツイートを取得し、読みやすいビューを準備しています。
通常は数秒で完了しますので、お待ちください。
Pedro Domingos（@pmddomingos）のスレッド
1 件のツイート · 2025/11/24 20:14
作者情報
ワシントン大学コンピュータサイエンス教授。『2040』『The Master Algorithm』の著者。機械学習、AI、そして興味を惹かれるものすべてに興味があります。
1 件のツイート·Mon Nov 24 20:14:42
JA に翻訳済み