题目

生成对抗模仿学习（GAIL）通过对抗训练优化策略。以下关于GAIL表述中，哪一项最准确描述了其核心优化机制？（ ）。A. GAIL完全依赖环境奖励信号，不需要任何专家示范数据B. GAIL直接最小化智能体策略与专家策略之间的动作均方误差C. GAIL通过判别器区分专家数据与智能体生成数据，策略优化的目标最大化判别器的分类误差D. GAIL使用行为克隆预训练策略网络，再通过强化学习微调

生成对抗模仿学习（GAIL）通过对抗训练优化策略。以下关于GAIL表述中，哪一项最准确描述了其核心优化机制？（ ）。

A. GAIL完全依赖环境奖励信号，不需要任何专家示范数据

B. GAIL直接最小化智能体策略与专家策略之间的动作均方误差

C. GAIL通过判别器区分专家数据与智能体生成数据，策略优化的目标最大化判别器的分类误差

D. GAIL使用行为克隆预训练策略网络，再通过强化学习微调

题目解答

答案

C. GAIL通过判别器区分专家数据与智能体生成数据，策略优化的目标最大化判别器的分类误差