RL-09-赵-Policy函数拟合算法-Policy Gradient算法02-目标函数/metric03：优化目标【metric是πᶿ的函数⮕是θ的函数⮕搜索最优θ来最大化这些metric】

📅 发布时间：2026/9/29 10:17:33

RL-09-赵-Policy函数拟合算法-Policy Gradient算法02-目标函数/metric03：优化目标【metric是πᶿ的函数⮕是θ的函数⮕搜索最优θ来最大化这些metric】

3、Remarks对上面两个metrics强调几点：Remark1这些 metrics 都是策略π\piπ的函数；因为策略π\pi