问题1很简单，在这里$\alpha$是给定值的重复向量。（正如 Max S 所回答的那样。）

问题 2 更有趣：Dirichlet 分布在这种情况下具有以下相关解释：当$\alpha$是从具有结果概率的某些（未知）分类分布中得出的结果计数的观察向量$\pi$， 然后$Dir(\alpha)(\pi)$是可能性$Cat(\pi)$是您观察到的实际基础分布$\alpha$作为计数。（这基本上是对偶分布的定义。）

现在P(s,a)估计一个好球员参加比赛的概率a，s这是他的分类分布的参数，AlphaZero 想要学习。所以$Dir(\alpha)$将抽样合理估计$pi=$P(s,a)如果我们观察到一个优秀的玩家下棋$\alpha$次。但如果有些$\alpha_i=0$, 那么所有$\pi\sim Dir(\alpha)$有$\pi_i=0$，阻止探索。通过添加噪音，他们假设他们已经观察到每一个动作被玩了几次$\alpha$（这里选择 0.3、0.15、0.03）。

至于他们如何获得常数，我的猜测是他们假设在每场比赛中观察到大约 10 次随机比赛：在国际象棋中，$Dir(0.3)$假设您已经看过每个动作 0.3 次。鉴于根据 Allis的说法有大约 35 个可用的移动，作者假设您已经在每个节点中看到了大约 10 个随机移动。在围棋中，如果我们假设平均约 270 次合法移动（361 个棋盘位置的 3/4），我们会看到相当于观察约 8 次随机移动。（我没有将棋的数据。）

对于第 1 个问题，答案是肯定的，$\alpha$是一个向量，但在这种情况下，所有值都相同。根据维基百科，这被称为对称狄利克雷分布，并且在“没有先验知识支持一个组件优于另一个组件”时使用。在这种情况下，这意味着您不想向任何特定组件添加更多噪声。

对于问题 2，从 Dirichlet 分布中提取的样本具有元素总和为 1 的属性。我假设他们使用它来确保在添加噪声后，元素仍将总和为 1。