OpenAI 博文：现实中的有缺陷奖励函数——强化学习中的奖励函数误指定问题

OpenAI 博文讨论强化学习算法在实际应用中可能以反直觉的方式失效，其中一类典型故障模式是奖励函数被误指定。文章通过案例剖析，解释开发者如何因未能完整刻画目标而导致强化学习智能体产生偏离预期的行为。