更精確的獎賞模型假如發(fā)生較低的獎賞方差  ，但其重要性因?qū)R辦法而異。要求獎賞模型可以可靠地為其間一個輸出賦予略高的http://www.jywoo.com分数。精确度和奖赏方差体现了奖赏模型的不同方面 ：前者操控着与 ground truth 奖赏的对齐，奖赏方差和优化之间的联络意味着关于不同的初始战略 ，具体来说
，低奖赏方差也意味着平整的图景有碍战略梯度办法的功率