概念时序差分学习 / Temporal Difference Learning
TD学习
强化学习中的一类无模型方法，结合动态规划和蒙特卡洛思想，通过自举更新价值估计。
时间轴 (近 90 天)
10月26日
资格迹是连接蒙特卡洛与TD学习的桥梁，用一条随时间衰减的“痕迹”记录每个状态最近被访问的程度，λ参数控制插值程度，是TD(λ)和SARSA(λ)等算法的机制基础。
待验证50%
10月12日
论文将反向时间命中成本补偿（reverse-time hitting-cost compensation）技术从TD学习的分析迁移并适配到状态-动作传播场景
待验证50%