强化学习 (RL) 中的 “从交互中学习” 是指代理通过与环境交互来学习如何做出决策并提高其性能的过程。与监督学习不同，在监督学习中，模型是在固定的数据集上训练的，RL代理通过在环境中采取行动，观察结果并根据收到的奖励调整其行为来学习。代理人通过反复试验学习，不断完善其政策，以最大限度地提高长期回报。例如，在游戏中，代理可能会通过尝试不同的动作来学习如何玩，根据其表现获得奖励，并相应地调整其策略。
这种交互式学习过程使代理能够适应动态环境，在动态环境中，最佳策略可能会根据反馈而改变。智能体与环境的交互越多，它就越能更好地了解状态、动作和奖励之间的关系。
总体而言，从交互中学习是RL的基础，因为它使代理能够通过经验进行改进，从而可以处理复杂的决策任务。