Spinning Up 深度 RL

来自 Joshua Achiam《Spinning Up in Deep RL》（OpenAI，MIT 许可）的知识库。应用 Achiam 框架做 RL 基础与 MDP、无模型算法分类、策略梯度推导、六种参考算法（VPG/TRPO/PPO/DDPG/TD3/SAC）、调试静默失败 RL 代码、或跑严谨多种子 RL 实验时用。"