O agente aprende a partir de um conjunto de dados rotulados.

O agente é treinado sem feedback durante o processo de aprendizado.

O agente interage com um ambiente e aprende por meio de tentativas e erros, maximizando uma recompensa.

O agente recebe uma recompensa apenas no início do processo de treinamento.

O agente aprende a realizar uma tarefa por meio de supervisão explícita.