問題
SARSAはオンポリシー手法として説明されることが多い。
正解: ○
TF-043 · 強化学習
G検定の一問一答模擬問題です。解説付きで個別に学習できます（公式の過去問ではありません）。
解説
SARSAは、現在の方策に従って実際に選んだ次の行動を用いて更新するオンポリシー手法である。Q学習はオフポリシー手法として説明されることが多い。
G検定の一問一答模擬問題です。解説付きで個別に学習できます（公式の過去問ではありません）。
SARSAはオンポリシー手法として説明されることが多い。
正解: ○
SARSAは、現在の方策に従って実際に選んだ次の行動を用いて更新するオンポリシー手法である。Q学習はオフポリシー手法として説明されることが多い。