概念exploration-exploitation trade-off / 探索利用困境
探索与利用权衡
强化学习与在线学习中的经典问题，指系统需在利用已知效果较好的选项与探索潜力未知选项之间保持平衡，过度利用易陷入局部最优，过度探索则浪费资源
时间轴 (近 90 天)
10月23日
质量与多样性之间的张力本质上是探索与利用的权衡。
待验证50%
10月7日
探索与利用（exploration vs exploitation）的平衡是强化学习的核心矛盾之一
待验证50%
10月7日
早期的高错误率可能让路由器过早放弃某些专家，而这些专家的答案在纠正函数学成后本可带来很高价值，形成自我强化的负反馈循环
待验证50%