标签： deep-learning
解决＆＃39;是什么意思？ openAI CartPole问题？ Here它说解决意味着：
......当代理人获得的平均奖励至少为195.0而不是100 连续剧集。）
但同一环节的解决方案在85集后解决了？如果我们在100集中需要195的平均奖励，怎么能在85集中解决？
答案 0 :(得分：1)
如果你看一下“要解决的剧集”旁边的“总集”，它会说185，这是宣布它是“可靠”解决方案所需的最初85 + 100。所以最初在85集之后解决了这个问题并保持了100集的平均奖励。