المنحدر الأعمى

بيئة اختبارية مصطنعة صمّمها مؤلفو ورقة إعادة التشغيل ذات الأولوية: سلسلة من n حالة فيها فعل «صحيح» وفعل «خاطئ»، حيث المكافأة الوحيدة في النهاية واحتمال الوصول العشوائي إليها أُسِّيّ الانخفاض (2⁻ⁿ).

A synthetic benchmark environment designed by the PER authors: a chain of n states with a 'right' and 'wrong' action, where the only reward is at the end and the probability of reaching it randomly is exponentially small (2⁻ⁿ).