就是强化学习的探索-利用权衡。发帽子是利用（exploitation），撒胡椒面是探索（exploration）。唯帽子就是光利用不探索，容易收敛到局部最优。但是又不能光探索不利用。这参数很难调啊。。。

【 在 siluhuayu 的大作中提到: 】
: 国家就这么点钱。不可能撒胡椒面。会通过这种机制给那些看上去有可能作出成果的人
: 。其他人就给个基本工资养着不要饿死就行
: 然后帽子给高工资再通过税收收回来一部分。
: ...................
--
FROM 121.232.14.*