OpenAI 谈强化学习中的奖励函数设定错误

OpenAI 发文探讨强化学习算法的一种失效模式：奖励函数设定不当。文章指出，强化学习算法可能以出人意料、反直觉的方式崩溃，而奖励函数设定错误正是其中一种失败情形。