DeepMind强化学习综述

1. Introduction

折扣因子

「强化学习交互过程存在终止风险」:

折扣因子$\gamma$的理解：
它本质是对 “交互能否持续” 的信念量化——交互持续到下一步的概率为$\gamma$，而非单纯的 “未来收益打折”（这是其表象）
In general, the discount factor reflects the assumption that there is a probability of 1 − γ that the interaction will end at the next step。

状态和状态价值