強(qiáng)化學(xué)習(xí)中的狀態(tài)轉(zhuǎn)移概率必須是已知的，否則無(wú)法進(jìn)行學(xué)習(xí)。

數(shù)據(jù)標(biāo)注的準(zhǔn)確性和效率對(duì)機(jī)器學(xué)習(xí)模型的性能至關(guān)重要。

強(qiáng)化學(xué)習(xí)中的價(jià)值迭代和策略迭代是等價(jià)的，可以互相替代。

人工智能訓(xùn)練師只負(fù)責(zé)數(shù)據(jù)標(biāo)注，不負(fù)責(zé)模型調(diào)優(yōu)。

強(qiáng)化學(xué)習(xí)中的Actor-Critic架構(gòu)結(jié)合了基于值和基于策略的方法，其中Actor負(fù)責(zé)選擇動(dòng)作，Critic負(fù)責(zé)評(píng)估動(dòng)作的價(jià)值。

在人工智能訓(xùn)練過(guò)程中，過(guò)擬合是一個(gè)常見(jiàn)的問(wèn)題，但可以通過(guò)一些技術(shù)手段進(jìn)行緩解。

數(shù)據(jù)標(biāo)注的準(zhǔn)確性只影響模型的訓(xùn)練階段，不影響模型的推理階段。

強(qiáng)化學(xué)習(xí)中的策略梯度方法直接對(duì)策略進(jìn)行參數(shù)化，并通過(guò)梯度上升來(lái)優(yōu)化期望回報(bào)。

人工智能訓(xùn)練師需要經(jīng)常與數(shù)據(jù)科學(xué)家和機(jī)器學(xué)習(xí)工程師進(jìn)行溝通協(xié)作。

人工智能訓(xùn)練師在訓(xùn)練模型時(shí)，通常不需要考慮模型的計(jì)算成本。