強化学習(RL)は、トレーニングエージェントが決定を下すための強力なパラダイムとして登場しました。 しかし、この領域で直面する主要な課題の1つは、サンプル効率です。 この記事では、強化学習におけるサンプルの効率性課題を克服する複雑性を探ります.