强化学习和监督学习是机器学习中的两种不同的学习范式，强化学习让智能体通过与环境的交互，学习到一个最优策略，以最大化长期累积奖励，如下图在这里引入了几个关键参数：状态（State：表示当前的状态行动（Action：表示下一步操作奖励（Reward：根据行动导致环境改变，由规则给出的评分智能体（Agent）：执行行动的主体（如机器人、游戏 AI 等）环境（Environment）：智能体所处的外部场景

强化学习和监督学习是机器学习中的两种不同的学习范式，强化学习让智能体通过与环境的交互，学习到一个最优策略，以最大化长期累积奖励，如下图在这里引入了几个关键参数：状态（State：表示当前的状态行动（Action：表示下一步操作奖励（Reward：根据行动导致环境改变，由规则给出的评分智能体（Agent）：执行行动的主体（如机器人、游戏 AI 等）环境（Environment）：智能体所处的外部场景

multi-head在注意力机制中multi-head是将Q、K、V三者使用view将张量拆分为多个head，分别进行self-attention最后再将结果合并，这种方法使的。