强化学习 (RL) 中的情节任务是将智能体与环境的交互分为离散情节的任务。每个情节都以初始状态开始，并在达到最终状态时结束，例如座席完成目标或失败任务。代理在整个剧集中获得奖励，其目标是最大化所有剧集的总奖励。
情节任务的示例是玩游戏，其中每个比赛或回合是一集。代理人的目标是学习策略，这将导致每个情节中累积得分最高。在每集结束时，代理都从一个新的初始状态开始，并尝试根据以前的经验进行改进。
情景任务在RL中很有用，因为它们为学习提供了清晰的结构，每个情节都提供了独立的学习体验。代理可以在每个情节结束时评估其性能，并为下一情节完善其策略。