PPO 的 Critic 如何计算，公式是什么？

知识专题：强化学习与奖励题目类型：原理机制技术难度：进阶相关面经：1 篇

暂无参考答案

未标记

本题目录

相关面经

1 篇

阿里巴巴

Agent 算法工程师

2026-05-16一面、二面

查看原面经 →

PPO中的critic模型是如何计算奖励的？它的公式是什么？