模型式強化學習會利用對環境狀態轉移的內部模型來評估行動後果；模型無關強化學習則根據過去經驗累積行動價值。實際行為常是兩者及其他策略的混合，並會受到時間壓力、認知資源、任務熟悉度與環境穩定性影響。因此，不應把人簡單分類成「理性目標導向」或「習慣型」。
思與行
- 閱讀兩階段決策任務時，確認轉移機率和回饋結構確實能區分兩種策略。
- 把 arbitration（策略權衡）視為值得研究的獨立過程。
模型式強化學習會利用對環境狀態轉移的內部模型來評估行動後果；模型無關強化學習則根據過去經驗累積行動價值。實際行為常是兩者及其他策略的混合，並會受到時間壓力、認知資源、任務熟悉度與環境穩定性影響。因此，不應把人簡單分類成「理性目標導向」或「習慣型」。