强化学习在美团“猜你喜欢”的实践

相关：

https://tech.meituan.com/2018/11/15/reinforcement-learning-in-mt-recommend-system.html

图10 使用advantage函数并做state权值共享

图11 支持多组线上实验DDPG模型

图13 实时更新的强化学习框架