獎勵函數（reward function）

獎勵函數是計分板。每一步之後，環境遞給智能體一個數字，說明那個時刻有多好：達成目標為正，撞毀為負，也許每流逝一秒就扣一點。這個訊號就是「我們想要什麼」的全部定義，智能體沒有別的成功概念。

形式上，獎勵是附在狀態、狀態-動作對或一次轉移上的期望值。智能體從不優化單一獎勵；它優化的是它們的長期總和，也就是回報。由於獎勵是你的意圖唯一進入系統的地方，草率的設計會被鑽漏洞：智能體可能找到一個既堆高獎勵、又違背你本意的取巧之道。