dsh-experience-policy

将历史经验转化为对当前候选动作的数值加权本地实现零梯度的强化学习策略优化，适合需要动态调整决策权重的任务。

安装

此插件尚未提供可验证的 bundle，或兼容性检查未通过。请先阅读仓库说明。阅读完整 README ↗

项	默认	说明
（见源码 `Config`）	—	本插件无必填项；缺省即按纯决策层工作（经验数据由调用方持有并喂入）