← 返回卡片

原书出处

强化学习入门:从原理到实践

07 7.2 策略目标函数

核验版本的摘录快照 · 导入于 2026-11-20T14:14:32.061Z

使用某个状态的收获Gt来作为基于策略πθ下行为价值的无偏采样

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/强化学习入门:从原理到实践/_epub-src/OEBPS/Text/chapter68.xhtml

EPUB SHA-256:76c493291cc0fa463afd3db89c636485407fc816a924dd77c3f4e0a26d16ca6d