#Reward Design

रिवॉर्ड डिज़ाइन की बुनियादी बातें — वास्तविक जीवन में "किस चीज़ को अधिकतम करना है" यह सबसे कठिन हिस्सा क्यों है

रीइन्फोर्समेंट लर्निंग के कार्यान्वयन में, अक्सर रिवॉर्ड-फंक्शन का डिज़ाइन ही परिणाम निर्धारित करता है, न कि एल्गोरिदम। यह लेख स्पार्स बनाम डेंस रिवॉर्ड, पोटेंशियल-आधारित रिवॉर्ड शेपिंग की पॉलिसी इनवेरिएंस, रिवॉर्ड हैकिंग के वास्तविक मामले, इनवर्स रीइन्फोर्समेंट लर्निंग और कंस्ट्रेंड आरएल को व्यवस्थित रूप से प्रस्तुत करता है।