某電商平台導入強化學習（Reinforcement Learning）技術優化商品推薦策略，AI 代理（AI Agent）會根據使用者的點擊與購買行為持續調整推薦內容。技術團隊在討論中發現，系統面臨一個核心挑戰：若 AI Agent 總是推薦過去表現良好的商品，可能會錯失發掘更高潛力商品的機會；但若頻繁嘗試未知商品，又可能影響短期的推薦成效與使用者體驗。請問上述情境敘述的是強化學習中哪一個核心問題？
答案 （A）
核心概念
探索與利用的權衡是強化學習最經典的兩難。利用（Exploitation）是「選目前已知報酬最高的行動」，能確保短期表現，但可能永遠發現不了更好的選項；探索（Exploration）是「嘗試沒試過的行動」，有機會找到更優解，但代價是短期報酬下降。題幹描述的「總推薦熱門商品 vs 嘗試未知商品」，正是這個權衡的教科書範例。常見的處理方式有 ε-greedy、UCB、Thompson Sampling 等策略。
答題技巧
快速判斷技巧：看到「要不要嘗試新的 vs 守住已知好的」這種兩難描述，直接選探索與利用。這是強化學習的專屬名詞，其他三個選項都屬於監督式學習或深度學習的議題。
易錯陷阱：四個選項都是「某某權衡／某某問題」，句型一致容易混淆。破解方法是先確認題目的技術脈絡是強化學習，那麼答案就只能在強化學習自己的術語裡找。