If an agent chooses the action with the highest Q-value, which strategy is being used?

Đáp án đúng: "Exploitation". Trong học tăng cường, giá trị Q(s,a) ước lượng tổng phần thưởng kỳ vọng khi làm hành động a ở trạng thái s; chọn hành động có Q lớn nhất là khai thác (exploitation), tức tận dụng hiểu biết hiện có để lấy phần thưởng tốt nhất theo ước lượng, như nhánh tham lam trong chiến lược epsilon-greedy. "Exploration" là khám phá, cố ý thử hành động chưa chắc tốt, thường chọn ngẫu nhiên với xác suất epsilon, để thu thêm thông tin, ngược với việc chọn Q cao nhất. "Diversification" là đa dạng hoá danh mục trong tài chính để giảm rủi ro, không phải chiến lược chọn hành động của tác tử. "Arbitrage" là kinh doanh chênh lệch giá giữa các thị trường, một chiến lược giao dịch chứ không phải khái niệm cân bằng khám phá và khai thác.