言語
AI 實驗室 · 6 個實驗
格子世界、迷宮、拉霸、接球、井字棋——用獎勵訓練代理人。
格子世界找蘋果：手動試錯，或看 Q-learning 自己變聰明。
調學習率與探索率，訓練後測走出迷宮的成功率。
多臂老虎機：只調探索率 ε，拉 100 次看總獎金。
調接到／漏接／移動的獎勵，訓練板子學會接球。
調吃果／死亡／每步成本與學習參數，訓練蛇活得久、吃得多。
調獎勵讓 AI 自我對弈，再對隨機對手測勝率。