1、PPO算法运用了clip函数限制取值范围，为什么还要加上min呢？
2、AC架构与PPO之间的区别？
3、什么是装饰器？
4、lamada函数？
5、什么是model-based与model-free？
6、python中map函数的用法？
7、准确率、精确率、召回率、F1score的意义？
8、PPO的上一个策略收集到的经验可以用多少次？
