策略梯度基础：RL 的目标是最大化期望回报Jθmax⁡θEπθ∑t0TrtJθmaxθ​Eπθ​​∑t0T​rt​。根据策略梯度定理，这可以通过估计梯度∇θJθEπθ∇θlog⁡πθat∣stAπθstat∇θ​JθEπθ​​∇θ​logπθ​at​∣st​Aπθ​st​at​)]来实现。优势函数。

最近配置了一下vscode+opencode，非常简单，记录分享一下。

最近配置了一下vscode+opencode，非常简单，记录分享一下。