原书出处
现代人工智能技术
08 强化学习
On-policy算法和Off-policy算法的区别关键在于估计值函数或者策略时使用的策略和生成样本时所使用的策略是否一致
原书定位详情
来源:a19c7933-4eda-4176-aebd-30fe7e1ad292
正文位置:extracted/现代人工智能技术/_epub-src/EPUB/xhtml/chapter10.xhtml
EPUB SHA-256:60380b4c2c329baddf7e96038a43e5c5e544916728704408383dbad7fd4a5b36