意图识别与命名实体识别：多轮对话NLU落地实战
2026/9/28 22:56:43
二、A2C算法（advantage actor-critic）【也称为：TD actor-critic算法】
A2C是QAC的一个推广。基本思想是它在QAC中引入了一个baseline（偏置量）来减少估计的方差（variance）。
RL-10-赵-Actor-Critic算法03-在线算法02：A2C算法01【Advantage Actor-Critic】【QAC的推广】【引入Baseline的作用：减小方差】