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

Hugging Face 深度强化学习课程 Unit 7 讲解 Advantage Actor Critic (A2C)，即结合策略基与价值基方法的 Actor-Critic 混合架构，用 Critic 评估动作价值以降低 Reinforce 中蒙特卡洛采样带来的高方差，从而稳定训练。