GAE：优势估计的 λ 旋钮RL2026年6月23日·5 分钟阅读GAE：优势估计的 λ 旋钮广义优势估计在 TD(0) 和 Monte Carlo 之间插值；PPO 里 advantage 质量直接决定更新方向。#强化学习#PPO#优势READ →
