资料内容：
一、强化学习基础面
1.1 介绍一下强化学习？
强化学习（Reinforcement Learning）是一种时序决策学习框架，通过智能体和环境交互
1.2 介绍一下强化学习 的 状态（States） 和 观测（Observations）？
• 状态（States）：对于世界状态的完整描述
• 观测（Observations）：对于一个状态的部分描述，可能会缺失一些信息。当O=S时，称O为完美信息/fully
observed；O<S时，称O为非完美信息/partially observed。
1.3 强化学习 有哪些 动作空间（Action Spaces），他们之间的区别是什么？
• 离散动作空间：当智能体只能采取有限的动作，如下棋/文本生成
• 连续动作空间：当智能体的动作是实数向量，如机械臂转动角度
其区别会影响policy网络的实现方式。
1.4 强化学习 有哪些 Policy策略？
• 确定性策略Deterministic Policy： at = u(st)，连续动作空间
• 随机性策略Stochastic Policy： at ~ π(·|st) ，离散动作空间
