D10 · التعلّم بالتجربة
مدرّب بجانب اللاعب
تقول ما يضيفه الناقد إلى السياسة، ولماذا تحدّ طريقة PPO المسافة التي يحرّكها كل تحديث.
عائد قدره 5 يبدو جيدًا. لكن إن كان هذا الموضع يقود عادةً إلى 8، فالـ 5 خبر سيئ. لذا قارن كل عائد بما تحصل عليه عادةً من هناك. ويسمّى الفرق الميزة (advantage).