MENTAL MODEL · M5638
探索与利用
Exploration vs Exploitation
更新于 2026-08-08
CORE DEFINITION · 核心定义
在不确定环境中，智能体必须在探索新选项（获取信息）和利用已知最优选项（最大化即时收益）之间做出权衡。
SCAFFOLDING EFFECT · 脚手架效应
psychology
降低认知负荷
创新与效率的平衡。过度探索导致资源浪费，过度利用可能错过更好机会。成功的策略通常是在生命周期不同阶段调整探索-利用比例：初期重探索，成熟期重利用。
anchor
锚定快速决策
在强化学习/在线学习中，agent面对未知环境：探索获取环境信息（可能短期低回报），利用当前最优策略最大化即时回报。二者本质冲突，需在累积regret最小下平衡；经典策略有ε-贪心、Softmax、UCB、Thompson采样。
MINIMUM ACTION · 最小行动
进行中 0/1在一个真实场景中练习这个模型：
勾选记录你的进度（本机暂存）
掌握进度0%
account_tree知识谱系 Genealogyexpand_more
menu_book信源参考 Sourcesexpand_more
来源明确性: 明确
- en.wikipedia.orghttps://en.wikipedia.org/wiki/Exploration%E2%80%93exploitation_dilemmaverified
PRIVATE NOTES · 仅自己可见
已保存问答
ENTRY Q&A · 可保存至我的笔记
在清晰边界内提问
thinkingmodels 仅基于已发布的条目上下文回答。
你的问题会发送给 thinkingmodels；回答仅使用公开词条上下文。
RELATED MODELS · 相关模型