TD(λ)

FOCUS 使用 TD(λ) 优势为连续状态之间的片段打分，结合精细化价值估计进行片段级信用分配。

TD(λ) 通过参数 λ∈[0,1] 在单步 TD 目标与蒙特卡洛回报之间做指数加权插值，λ=0 退化为单步 TD，λ=1 退化为完整轨迹回报。

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。