强化学习推荐

定义

强化学习推荐是把连续推荐请求视为相互影响的决策序列，根据用户状态选择推荐动作，并用后续反馈定义累计回报的建模方式。

核心判断

强化学习推荐优化序列决策和长期回报，但受状态表达、反馈延迟与离线评估困难约束。

工程检查

定义状态、动作、奖励、终止条件、行为策略和安全降级。

本书依据

《第二十八章-强化学习推荐场景.pdf》，PDF 第16页。

扩展说明

生产上线应从受限动作空间和小流量开始。