ProactorEventLoop 是 Windows 上默认的事件循环，但它不适合所有异步库，尤其是那些依赖 select() 或需要特定异步 I/O 模型的库，比如 Psycopg（或者更准确地说，asyncpg 或 psycopg[binary] 在异步模式下）。

就是Policy iteration在policy evaluation计算Action value 即q(a,s)时，采样大量return数据求平均作为q的期望，然后选最大的q的策略，与原Policy iteration相比不需要先计算state value（v)蒙特卡洛方法需要等所有时刻的采样值得到才可以更新（offline），Sarsa方法得到一次就可以（online），n-step的话属于

将自然语言文本转化成机器可以处理的向量形式。