折扣因子 γ：时间视野不是随便填的RL2026年6月16日·4 分钟阅读折扣因子 γ：时间视野不是随便填的γ 定义 agent 多看重未来；和 episode 长度、reward scale 强耦合，改 γ 等于改任务语义。#强化学习#MDP#折扣READ →
MDP 五元组：写代码前先对齐任务RL2026年6月12日·4 分钟阅读MDP 五元组：写代码前先对齐任务把任务写成 (S,A,P,R,γ) 再选算法，能避免 reward 单位、episode 边界和马尔可夫性上的 silent bug。#强化学习#基础#MDPREAD →
