Quiz collegato alla guida · Difficile Livello

Quiz sull'apprendimento del rinforzo inverso

Controlla l'obiettivo di recupero della ricompensa dell'IRL, l'ambiguità, le probabilità della traiettoria di massima entropia e il modo in cui una politica viene successivamente derivata.

Percorsi guida correlatiApprendimento per rinforzo inverso
Domanda 1 di 8

Cosa mira a recuperare l’apprendimento per rinforzo inverso?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. Cosa mira a recuperare l’apprendimento per rinforzo inverso?
    • Una funzione di ricompensa che spiega il comportamento osservato dell'esperto
    • Un ottimizzatore più veloce per la discesa in pendenza
    • Una versione compressa delle dimostrazioni
    • Un set di dati di immagine etichettato
  2. Perché il problema IRL viene descritto come mal posto o ambiguo?
    • Perché le dimostrazioni sono sempre perfettamente ottimali
    • Perché molte diverse funzioni di ricompensa possono spiegare lo stesso comportamento
    • Perché le ricompense devono essere sempre negative
    • Perché non richiede dati di esperti
  3. Quale vantaggio chiave ha il recupero di una ricompensa rispetto alla clonazione comportamentale?
    • Non ha bisogno di dimostrazioni
    • Funziona sempre in tempo costante
    • Cattura l'obiettivo sottostante, generalizzando a stati invisibili
    • Evita di utilizzare qualsiasi politica
  4. In che modo l'IRL di massima entropia risolve l'ambiguità della ricompensa?
    • Forzando tutte le ricompense ad essere uguali
    • Ignorando completamente le traiettorie non ottimali
    • Rimuovendo la funzione di ricompensa
    • Modellando la probabilità della traiettoria come esponenziale nella ricompensa totale
  5. Dopo che l'IRL ha recuperato una funzione di ricompensa, cosa viene generalmente fatto dopo?
    • L’apprendimento per rinforzo standard deriva una politica da quella ricompensa
    • La ricompensa viene scartata
    • Le dimostrazioni vengono eliminate per risparmiare spazio
    • L'agente smette di apprendere
  6. In quale scenario l'IRL è particolarmente utile?
    • Quando la ricompensa è già perfettamente conosciuta
    • Quando vuoi comprendere e generalizzare gli obiettivi dietro il comportamento degli esperti
    • Quando non esistono dati sul comportamento
    • Quando devi solo memorizzare azioni fisse
  7. Why can a constant zero reward explain many different expert policies?
    • It assigns the highest reward only to expert actions
    • It proves the expert is optimal
    • Every policy receives the same return, so none is preferred by the reward
    • It makes the transition model deterministic
  8. In maximum-entropy IRL, how are higher-reward trajectories treated relative to lower-reward ones?
    • They are assigned probability zero
    • They are treated as equally likely regardless of reward
    • They are removed before policy learning
    • They receive higher probability, with probability depending exponentially on total reward