通过“立即向量值反馈”，它们可能完全意味着您提到的“标记示例”中的标签。

抱歉耽搁了。术语“向量值反馈”与标量值反馈相比较。这意味着（我应该明确表示）是，因为向量值反馈告诉网络正确的答案，提高性能所需的权重变化相当容易计算（例如使用反向传播）。

相反，如果给出标量值反馈（如在强化学习中），则网络只知道其先前的输出有多糟糕，但不知道如何更改权重以改善输出。

一个粗略的类比是向量值反馈告诉你你对一个问题得到了错误的答案，并提供了正确的答案。相比之下，标量值反馈只是告诉你你的答案“有多么错误”，而不是告诉你如何改进你的答案。