Награда от 0 до 1: проектирование шкалы вердиктов

Награда — это скаляр от 0 до 1, вычисляемый по проверенному результату. Она обновляет Strategy Weights (веса стратегий).

Что порождает награду?

Сравнение фактического результата с ожидаемым при проверке.

На что влияет награда?

На Strategy Weights. Низкая награда понижает приоритет стратегии; высокая — повышает.

Является ли награда наградой в человеческом смысле?

Нет. Это скалярное значение от 0 до 1, используемое для обновления весов. Оно не отражает удовлетворённость.

О чём говорит низкая награда?

Низкая награда означает, что фактический результат не совпал с ожидаемым. Приоритет стратегии понижается.

О чём говорит высокая награда?

Высокая награда означает, что фактический результат совпал с ожидаемым. Приоритет стратегии повышается.