Reward Shaping — 奖励塑形

事实

通过改写奖励信号引导智能体学习的方法。

人话

奖励塑形像健身打卡送积分：不等瘦十斤，每次深蹲都给反馈。

让强化学习更快上手，常用于机器人和游戏AI。

相关概念

• Reinforcement Learning｜强化学习
• Markov Decision Process（马尔可夫决策过程）
• 奖励黑客

RL
奖励塑形通过改写奖励，引导 RL 更快学会策略。

MDP
它调整 MDP 里的奖励信号，但不该改最终目标。

Reward Hacking
奖励设歪了，智能体可能学会钻规则空子。