尧图精选 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：2026/11/4 5:10:33 📁 来源：尧图网络 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 上一篇/下一篇内容由系统自动关联 返回资讯列表 →
