我也在ai.stackexchange上发布了这个问题，但没有得到任何答案，所以我可以在这里尝试。

这是一个复制粘贴：

假设您在 RL 设置中训练 NN，其中状态（即特征/输入数据）不会在每一步中发生变化，而是在几个（通常约为 8 步）中发生变化。

例如，一个状态可能包含以下值：

30, 0.2, 0.5, 1, 0

然后再次将相同的值增加 6-7 倍，最终得到以下输入数组：

[[30, 0.2, 0.5, 1, 0], [30, 0.2, 0.5, 1, 0], ..., [30, 0.2, 0.5, 1, 0]]

我知道特征集中的值 0 表示该特征的权重导致的价值微不足道。

但是价值观的重复呢？

如果有影响的话，这对学习有何影响？

有任何想法吗？

最好的，马里奥斯。

编辑：我不知道如何搜索这个特定的主题，它可能已经被回答>之前，也许你可以指出我那里。谢谢。

编辑：我被建议删除这个问题，只保留在 AI SE 上。但是，由于我已经被投了赞成票，人们可能想在这里追溯它以获得答案。

仅出于这个原因，我将问题留在这里，链接可以追溯到原始更新的问题和接受的答案。