Dongxi NLP Explains RL Terms with a Single Example

干的像沙漠般的一篇，关于 RL Terms.

RL 术语很多，且不好理解，例如: policy, state, action rewardreturn, 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） https://t.co/WpGvARETYG