概念Generalized Advantage Estimation / 广义优势估计
GAE
强化学习中用于估计优势函数的经典算法，通过对TD误差的指数加权平均在偏差与方差之间取得平衡，广泛应用于策略梯度类算法的实现中
时间轴 (近 90 天)
10月16日
Waypoint-OPD可以看作把'多步差分'（类似GAE中降低单步估计方差的思想）引入跨模型蒸馏中，用中间检查点检验偏移方向的稳定性。
待验证50%
10月13日
当并行环境数从10扩展到1000且buffer_size不变时，分摊到每个环境的轨迹长度会被压缩到原来的1/100，导致轨迹严重截断，破坏GAE对回报的估计。
待验证50%