ByteNex›Artículos›Recompensa entre 0 y 1: diseñar la escala del veredicto
Recompensa entre 0 y 1: diseñar la escala del veredicto
Una recompensa es un escalar entre 0 y 1 calculado a partir de un resultado verificado. Actualiza los pesos de estrategia.
¿Qué produce la recompensa?
La comparación entre el resultado real y el resultado esperado en la verificación.
¿A qué afecta la recompensa?
A los pesos de estrategia. Una recompensa baja desprioriza una estrategia; una recompensa alta la eleva.
¿Es la recompensa una recompensa en el sentido humano?
No. Es un valor escalar entre 0 y 1 usado para actualizar pesos. No es una medida de satisfacción.
¿Qué indica una recompensa baja?
Una recompensa baja indica que el resultado real no coincidió con el resultado esperado. La estrategia se desprioriza.
¿Qué indica una recompensa alta?
Una recompensa alta indica que el resultado real coincidió con el resultado esperado. La estrategia se eleva.
Relacionado
- Arquitectura del kernel de agente: la guía completa
Una guía completa de los componentes de un kernel de agente: el ciclo, el motor AST, el motor de memoria cognitiva y el contexto aislado.
- Kernel de agente vs Framework de agente
Un framework proporciona componentes que un desarrollador ensambla. Un kernel ejecuta el ciclo él mismo, verifica los resultados y actualiza sus propios pesos.