中国大学MOOC: 强化学习的基本框架中，智能体通过（）与环境进行交互时，环境会返给智能体一个当前的（）。
举一反三
- 强化学习的基本框架中，智能体通过()与环境进行交互时，环境会返给智能体一个当前的()
- 2. 在强化学习中，智能体的学习过程是一个反复与环境进行交互，不断试错、不断进步的过程。在这个过程中，智能体在环境中会选择（），环境可能因此改变自身（），同时环境会反馈智能体以（）。 A: 动作、状态、奖励 B: 状态、动作、奖励 C: 奖励、状态、动作 D: 动作、奖励、状态
- 中国大学MOOC: （）就是程序或智能体（agent）通过与环境不断地进行交互学习完成从环境到动作的映射，学习的目标就是使累计回报最大化。
- 智能体在与环境的交互过程中，智能体不可以完全控制环境，环境也不可以控制智能体，两者相互影响、相互依存。
- 强化学习时机器学习算法的一种，就是程序或智能体（agent）通过与环境不断地进行交互学习完成从环境到动作的映射，学习的目标就是使累计回报最大化。