Hugging Face 深度强化学习课程：Q-Learning 入门（下）

Hugging Face 深度强化学习课程第二单元第二部分讲解 Q-Learning，并从头实现首个 RL 智能体。Q-Learning 是一种 off-policy、基于价值的方法，通过 TD 方式训练动作价值函数，其内部维护一张 Q-table 记录每个状态-动作对的价值。