单选题
2036.强化学习中,什么是“值迭代”?
A
依次更新价值函数和策略
B
只更新策略而不更新价值函数
C
只更新价值函数而不更新策略
D
通过迭代计算状态值函数或动作值函数来优化策略
答案解析
正确答案:D
相关知识点:
自注意力机制妙,增强位置理解好
题目纠错
人工智能训练师题库
