摘要：一句话总结 GAE 就像「既要稳又要准」的聪明妥协：用多步 TD 误差加权平均，既缓解了 MC 的高方差，又减少了 TD 的单一偏差，通过调节参数（λ）灵活平衡两者的优缺点。 MC vs TD 的痛点 MC（蒙特卡洛）： 原理：跑完整个回合，用实际总回报（如游戏通关后的总分）更新每一步的价值。 优点 阅读全文