贝尔曼备份：TD 目标从哪来RL2026年6月13日·4 分钟阅读贝尔曼备份：TD 目标从哪来TD、Q-learning、DP 共用贝尔曼期望方程；backup 目标写错，整个 value 函数会系统性偏。#强化学习#价值函数#TDREAD →
