sunmk

摘要： 书接上回，上面介绍了RL最基础的策略梯度，但没有理解计算出来的梯度 $\nabla J(\theta) =\mathbb{E}{\tau \sim \pi_\theta} \nabla log, P(\tau|\pi)R_\tau $ 是什么含义，现在具体的介绍一下。 还是分为了两部分，\(\nab 阅读全文