在试错学习中，智能体（Agent）通过观察环境中的奖励和惩罚来更新策略。具体来说，智能体（Agent）通过比较自己采取的行动和环境给予的奖励来评估当前策略的好坏。如果采取某个动作导致了好的奖励（正奖励），那么智能体就会增加以后采取这个动作的概率；如果采取某个动作导致了不好的奖励（负奖励），那么智能体就会减少以后采取这个动作的概率。这样，智能体的策略会逐渐调整，以最大化长期累积奖励。

一种常见的更新策略的方法是使用Q-learning算法。Q-learning算法通过建立一个Q表来记录每个状态和动作的Q值，即该动作在给定状态下能够获得的预期奖励。智能体在选择动作时，会选择Q值最高的动作。在执行动作并获得奖励后，智能体会更新Q表中的Q值，以反映该动作在给定状态下的实际效果。这样，智能体的策略会逐渐优化，以最大化在环境中的表现。

总之，智能体通过比较自己采取的行动和环境给予的奖励来更新策略，以最大化长期累积奖励。一种常见的更新策略的方法是使用Q-learning算法。在更新策略时，需要考虑如何处理不完全信息和如何探索未知状态和动作等问题，这也是强化学习中的重要研究方向。