折扣因子（discount factor, γ）

折扣因子決定智能體有多在乎未來、相對於當下。當 γ 接近零，它沒耐性，只抓眼前能拿到的獎勵；當 γ 接近一，它有遠見，樂意放棄眼前小甜頭，換取許多步之後更大的報酬。它扮演的角色就像金錢的利率：晚一點到手的獎勵，比今天同樣的獎勵價值略低。

具體而言，從現在算起第 k 步才到的獎勵，在加進回報前要先乘上 γ 的 k 次方。一個小於一的值能讓那個無窮級數保持有限且良好定義，這在互動永不結束時至關重要。設定 γ 是一個真實的建模選擇：太低，智能體目光短淺；太高，功勞被攤得太薄，學習因而變慢且不穩定。