什么是强化学习(Reinforcement Learning)？

强化学习（Reinforcement Learning，RL）是让智能体依据奖励或惩罚信号更新策略的方法，核心机制包括动作选择、奖励反馈与累积回报驱动的策略更新（示例：正确动作加1分，错误扣1分），解决的是决策任务缺少标注答案、只能靠试错学习，并不解决奖励偏差导致的错误激励。

示例：想象一下教机器人玩游戏。机器人尝试不同的动作，每做一次好动作（例如得一分），它都会得到奖励（例如 +1）。做错动作（例如丢一分），它会受到惩罚（例如 -1）。随着时间的推移，机器人会了解哪些动作可以得分最高，从而变得更擅长玩游戏。