Trening
Reward Prediction Error (RPE)
1997AktywnyAktualizacja: 22 września 2026Opublikowany
Różnica między otrzymaną a przewidywaną nagrodą; kluczowy sygnał uczący w uczeniu ze wzmocnieniem i w neurobiologicznych teoriach dopaminy.
Kluczowa
innowacja
Sformalizowanie „zaskoczenia nagrodą” jako sygnału uczącego wspólnego dla RL i neurobiologii.
Kategoria
Trening
Poziom abstrakcji
Primitive
Poziom operacji
Trening
Zastosowania
Uczenie ze wzmocnieniemModele dopaminy w mózguInterpretowalność
Jak działa
Oblicza się RPE = nagroda otrzymana − nagroda przewidywana; sygnał ten aktualizuje przewidywania i politykę.
Rozwiązany problem
Agent musi wiedzieć, o ile rzeczywisty wynik odbiega od oczekiwań, by zaktualizować zachowanie.