新智元报道编辑新智元导读在强化学习中当智能体的奖励机制与设计者的意图不一致时可能会导致不理想的行为而正则化作为一种常用的解决方案通过限制智能体的行为来防止这种情况但智能体在某些情况下仍可能表现出意料之...