哈
【 在 leeyee 的大作中提到: 】
: 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。。。
:
--
FROM 183.156.109.*