强化学习中的“sample efficiency”应该如何翻译 —— “样本效率”还是“采样效率”

问题：

强化学习中的“sample efficiency”应该如何翻译 —— “样本效率”还是“采样效率”

答案：

具体看上下文内容。如果是在并行强化学习的论文中出现，那么“sample efficiency”一般是指采样效率，也就是说在单位时间内采集的样本数量的多少，在固定时间内并行强化学习算法采集的样本数量越多也就是采样效率越高；

在其他的强化学习算法中，“sample efficiency”指样本效率，指采集一定数量的样本后进行训练，如果算法性能更好则说明样本效率更高，比较常见的场景就是DQN算法，因为其采用缓存池结构可以复用样本，因此样本效率高；也有另一种场景，那就是采样训练的次数少，比如更少的训练迭代次数，我们也可以说其样本效率高，不过这种情况更偏向于说算法性能表现更好，这种场景下有个比较典型的例子就是使用数据增强技术的强化学习算法，虽然采样样本数不变但是可供训练的样本数量更多了，在这些场景下“sample efficiency”都是翻译为样本效率的。

可以说，在并行强化学习中“sample efficiency”指的是采样效率，而在其他（串行）强化学习算法中“sample efficiency” 可以理解为 performance 的同义词。

其实，“sample efficiency”在强化学习算法的英文论文中出现如此的歧义其主要原因是表达措辞不规范，对于采样效率更标准的表达词汇应该是sampling efficiency .