1.
「Actor-Critic」アーキテクチャにおけるActorの役割は何ですか？
2.
深層強化学習（Deep Reinforcement Learning, DRL）における「エージェント」とは何を指しますか？
3.
深層強化学習において「カリキュラム学習」が導入される理由は何ですか？
4.
強化学習における「方策勾配法」がQ学習よりも有効な場合はどのような状況ですか？
5.
深層強化学習において、「価値関数」とはどのようなものですか？
6.
深層強化学習で報酬の「遅延」が問題となる理由は何ですか？
7.
深層強化学習における「環境」とは何を指しますか？
9.
強化学習の「経験再生（Experience Replay）」の目的は何ですか？
10.
深層強化学習における「行動価値関数（Action-Value Function）」とは何ですか？
11.
「Advantage Actor-Critic（A2C）」アルゴリズムにおけるAdvantage（A）の役割は何ですか？
12.
強化学習における「方策勾配法（Policy Gradient Method）」とは何ですか？
13.
強化学習における「方策オフライン学習」と「方策オンライン学習」の違いは何ですか？
14.
強化学習における「探索」と「活用」のバランスを取るための一般的な方法はどれですか？
15.
「Multi-Agent Reinforcement Learning（MARL）」が特に適用されるタスクとして最も適切なものはどれですか？
16.
「Curiosity-driven Exploration」は、どのような場合に強化学習で役立ちますか？
17.
DDPG（Deep Deterministic Policy Gradient）の主な利点は何ですか？
18.
強化学習における「報酬（Reward）」の役割は何ですか？
19.
深層強化学習で用いられる「ディープQネットワーク（DQN）」とは何ですか？
20.
深層強化学習で用いられる「ターゲットネットワーク」とは何ですか？
21.
強化学習において、エージェントが「最適方策」を学習するためには何が必要ですか？
22.
「割引率（Discount Factor）」が強化学習で果たす役割は何ですか？
23.
「強化学習における状態（State）」とは何を表しますか？
25.
Q学習において、「Q関数」は何を表しますか？
26.
A3C（Asynchronous Advantage Actor-Critic）の利点は何ですか？
