面向LLM读者的RL术语详解

导读

干得像沙漠般的一篇，关于 RL Terms。 RL 术语很多，且不好理解，例如： policy、state、action reward、return、value、advantage baseline、TD error、GAE clipping、KL 这篇用一个例子把 RL 的术语写给 LLM 读者（依然太干了，RL 真的很难写得生动有趣）