Dịch on/off policy

[cuongvng]

@mlbvn/handson-ml mn cho ý kiến ạ.

[minhduc0711]

The Q-Learning algorithm is called an off-policy algorithm because the policy being
trained is not necessarily the one being executed: in the previous code example, the
policy being executed (the exploration policy) is completely random, while the policy
being trained will always choose the actions with the highest Q-Values. Conversely,
the Policy Gradients algorithm is an on-policy algorithm: it explores the world using
the policy being trained.

"(không) dựa trên chính sách" chăng?

[cuongvng]

not necessarily tức là có thể vẫn "dựa trên" 🤔 🤔

[minhduc0711]

Hmm vậy thì off-policy là tập con của on-policy à? Nghe có vẻ k đúng lắm..
Mình xem định nghĩa ở sách Sutton-Barto thì có vẻ phân biệt trắng đen luôn:

[cuongvng]

vậy cứ chốt cách dịch trên ạ.