Lecture 5 · 从期望回报到策略梯度先看清这一讲在做什么 本讲主题：Policy Gradients（策略梯度）。Lecture 2 用专家动作当标签；这一讲只有策略自己采到的轨迹与奖励，要找到参数朝哪个方向移动，才能提高期望回报。 ...