В этом руководстве рассматриваются общие проблемы с изменением формы массива в специализированных сетях политик для обучения с подкреплением. Когда размеры пространства действий не управляются должным образом во время обучения, возникает несоответствие, что является конкретной ошибкой. Такие проблемы можно преодолеть, используя методы обработки ошибок и точно определяя пространство наблюдения.