प्रॉक्सी इनाम कार्य क्या हैं?
मेरी समझ यह है कि वे किसी भी तरह से उद्देश्य को समायोजित करते हैं ताकि इनाम समारोह को बदले बिना इसे पूरा करना आसान हो सके।
... मनाया प्रॉक्सी इनाम समारोह एक इनाम डिजाइन समस्या के लिए अनुमानित समाधान है
(स्रोत: उलटा इनाम डिजाइन )
लेकिन मुझे यह समझने में परेशानी हो रही है कि वे समग्र इनाम के उद्देश्य को कैसे पूरा करते हैं और उनमें से कुछ उदाहरणों से भ्रमित हो गए हैं। मेरा विचार था कि उनके छोटे-छोटे इनाम के कार्य हैं (जैसा कि विरल पुरस्कारों को सुलझाने के मामले में) आखिरकार मुख्य लक्ष्य तक पहुंच गया। लेकिन इस पोस्ट से नीचे दिए गए बयान ने मुझे सवाल बना दिया है।
प्रॉक्सी इनाम कार्यों के विशिष्ट उदाहरणों में आशाजनक दिखने वाले व्यवहारों के लिए "आंशिक क्रेडिट" शामिल है; कृत्रिम रूप से उच्च छूट दरों और सावधान इनाम आकार देने; ...
वे क्या हैं, और एक आरएल समस्या में प्रॉक्सी पुरस्कारों की पहचान और एकीकरण के बारे में कैसे जाना जाएगा?
ऊपर दिए गए उदाहरणों में, उच्च छूट दर एक प्रॉक्सी इनाम कैसे बनाएगी?
मैं इस बारे में भी उत्सुक हूं कि उन्हें कई पुरस्कारों के स्रोत के रूप में कैसे उपयोग किया जाता है
जवाब
उस पेपर में जिसे आप उद्धृत करते हैं, उलटा रिवार्ड डिजाइन (2017), लेखक वास्तव में परिभाषित करते हैं कि उन्हें "प्रॉक्सी रिवॉर्ड फंक्शन" से क्या मतलब है।
हम इसे एक संभाव्य मॉडल में औपचारिक रूप से जोड़ते हैं जो प्रॉक्सी (डिज़ाइन किए गए) इनाम से संबंधित होता है
तो, प्रॉक्सी रिवॉर्ड फंक्शन मानव द्वारा डिज़ाइन किया गया रिवॉर्ड फंक्शन है, जो जरूरी नहीं कि रिवार्ड फंक्शन हो सकता है, जो उसका इरादा है (यानी यह एक गलत ढंग से रिवार्ड फंक्शन हो सकता है), जिसे देखते हुए इंसान शायद मॉडल बनाना / शामिल करना भूल गया हो कुछ (मानव द्वारा अप्रकाशित) परिदृश्य या परिस्थितियाँ जो एजेंट का सामना कर सकते हैं। "प्रॉक्सी" शब्द का यह उपयोग इस प्रकार कंप्यूटर विज्ञान में शब्द के सामान्य उपयोग के साथ संगत है, अर्थात "प्रॉक्सी रिवॉर्ड फंक्शन" एक रिवार्ड फंक्शन है जो कि इच्छित (इष्टतम) रिवार्ड फंक्शन के बजाय प्रयोग किया जाता है ।