强化学习数学系列第14期讲解优势函数与Actor-Critic

强化学习数学系列第 14 期发布，主题为基线、优势函数与 Actor-Critic。文章讲解如何通过从回报中减去基线来降低方差，进而推导出优势函数，并说明引入 Bootstrapping 后如何支持在线更新，最终引出 Actor-Critic 架构作为该系列下一步的逻辑演进。

2026-08-20 ~ 2026-08-20 · 2 条相关

• 强化学习系列(14):基线、优势函数与 Actor-Critic — ShawnHymel · 2026-08-20
• 强化学习数学系列第 14 期：基线、优势函数与 Actor-Critic — ShawnHymel · 2026-08-20