概念reward-proportional sampling
奖励比例采样
一种采样目标，要求采样某结果的概率正比于其奖励值，从而保留所有高奖励解的相对权重，而非仅选择奖励最大的解。
时间轴 (近 90 天)
11月4日
DARS 的目标是在连续结果空间中实现奖励比例采样，即采样概率正比于奖励 p(x) ∝ r(x)，而不改动标准策略梯度框架。
待验证50%
一种采样目标，要求采样某结果的概率正比于其奖励值，从而保留所有高奖励解的相对权重，而非仅选择奖励最大的解。
DARS 的目标是在连续结果空间中实现奖励比例采样，即采样概率正比于奖励 p(x) ∝ r(x)，而不改动标准策略梯度框架。