Hugging Face 深度强化学习课程第 7 单元：Advantage Actor Critic (A2C)

Hugging Face 深度强化学习课程第 7 单元讲解 Advantage Actor Critic (A2C)。文章指出 Reinforce 因使用 Monte-Carlo 采样估计回报导致策略梯度方差高、训练慢，而 Actor-Critic 架构结合 Actor（策略）与 Critic（价值函数）可降低方差。