一句话定义：折扣因子（Discount Factor，通常写成 γ）是强化学习里一个介于 0 和 1 之间的系数，用来把未来每一时刻的奖励折算成「今天的价值」。
它到底在算什么
智能体（agent）做决策时，关心的不是眼前这一步得了几分，而是整条路上的累计回报（return）。如果把每一步的奖励直接加起来，那「一百步之后拿 100 分」和「现在拿 100 分」就等价了——这显然不合理。于是引入折扣：
回报 = r₁ + γ·r₂ + γ²·r₃ + γ³·r₄ + …
越靠后的奖励，被乘上的 γ 幂次越高，缩水越狠。γ = 0.9 时，第 10 步的奖励只剩原来约三分之一的分量；γ 越接近 1，远处的东西越「保值」。
打个生活化的比方
老板给你两个选项：现在发 1 万奖金，或者三年后发 1.2 万。你犹豫的不只是通胀，还有「三年后我还在不在这家公司」。这个心里的折算率，就是折扣因子。γ 小的人，拿到手的才算数，倾向于立刻兑现；γ 大的人愿意等待，只要长期总额更大。
智能体也一样。γ 小，它就是个急性子：捡到眼前的小奖励就走，可能永远走不到那个需要绕远路才能拿到的大宝藏。γ 接近 1，它愿意为长远目标忍受一段时间的零收益，但代价是学习过程更慢、更容易被噪声干扰，价值估计也更容易发散。极端情况 γ = 0，它只看下一步，等于完全没有规划能力。
和相邻概念的区别
| 概念 | 控制什么 | 调大的后果 |
|---|---|---|
| 折扣因子 γ | 时间视野有多远 | 更有远见，但训练更慢更不稳 |
| 学习率（learning rate） | 每次参数更新迈多大步 | 学得快，但容易震荡不收敛 |
| 探索率 ε | 多大比例去试新动作 | 探索多，但短期收益变差 |
三者常被混为一谈，其实一个管「看多远」，一个管「走多快」，一个管「试不试」。
对从业者的实际意义
折扣因子是你手里最直接的一根「性格旋钮」。做推荐或广告，γ 设得太小，智能体会疯狂推当下最诱人的内容，把用户长期留存榨干；设得大一些，它才愿意牺牲一次点击去换长期活跃。做机器人控制，γ 太小会导致它只顾着别摔倒，走不到目的地。
实践中 γ 常取接近 1 的值，但具体多少高度依赖任务的时间尺度和奖励设计，没有万能答案——以自己实验环境和所用框架的官方文档说明为准。还有一个常被忽略的点：如果任务本身有明确的终止时刻，并且你只关心最终结果，γ 甚至可以设成 1，因为「未来」是有限的，不存在无限累积发散的问题。
一句话收尾：折扣因子不改变奖励本身，它改变的是智能体眼里的时间尺度——你想让它活在当下，还是活在三年后，全看这个数。