通俗解释
纯策略梯度用整局回报当信号，噪声很大。Actor-Critic 加一个价值网络估计“这个状态本来值多少分”，用“实际 − 预期”（优势）来更新策略，学习更稳。A3C 让多个环境副本异步并行采样，后来的同步版本 A2C 更常用，PPO 也沿用了这个框架。
用在哪里：Stable-Baselines3 等库中的标准算法（A2C）；PPO 的基础框架
01原始论文
Asynchronous Methods for Deep Reinforcement Learning
Volodymyr Mnih, Adrià Puigdomènech Badia, Mehdi Mirza, et al. · 2016
arXiv ↗ ✓ 已核实 · arXiv API
02知识位置
左边先学；右边是学完它之后可以学的。
左：前置 · 右：后继 · 虚线：相关。看完整关系图 →
03学习资料
官方文档、图解、课程和参考实现，链接都核对过。
04在课程里哪里学
给 AI 读 / 数据说明
- 核实状态：已核实，核对于 2026-10-22。
- JSON: /api/learn/algorithms.json (id:
a3c)