التوليد التجريبي

مرحلة في التعلم المعزز يُولّد فيها نموذج السياسة الحالي مخرجات متعددة لمجموعة أسئلة، تُستخدم لاحقاً لحساب المكافآت وتحديث السياسة.

A phase in RL where the current policy model generates multiple outputs for a set of questions, later used to compute rewards and update the policy.