# 奖励稀疏性

课程学习在强化学习中常比监督学习更有效，原因此前缺少可解析的解释。一个可精确求解的目标拦截模型显示：奖励密集时课程只带来边际收益，奖励稀疏时课程可能是学习发生的前提；当智能体同时追求省力与高回报时，会出现相互竞争的局部最优，使智能体停在“放弃”解上。有用的课程做两件事：降低奖励稀疏度以加快学习，并塑造奖励地形把智能体引离坏的局部最优。

课程学习在强化学习中常比监督学习更有效，原因此前缺少可解析的解释。一个可精确求解的目标拦截模型显示：奖励密集时课程只带来边际收益，奖励稀疏时课程可能是学习发生的前提；当智能体同时追求省力与高回报时，会出现相互竞争的局部最优，使智能体停在“放弃”解上。有用的课程做两件事：降低奖励稀疏度以加快学习，并塑造奖励地形把智能体引离坏的局部最优。