用 AI 核对 Q-learning 目标：回合已经停了，未来价值为何有时还要算 强化学习日志里出现“这一回合结束”，可能是任务已经到达终止状态，也可能只是采样器用完了本次时间。让AI解释更新公式时，若把两者都写成“未来价值归零”，就会把两个学习问题混在一起。 yunqueblog/ AI分享/ 2026-10-02/ 3 阅读
yunqueblog