所有学习都是信用分配问题

无论是TD误差、资格迹还是策略梯度，RL中每一个算法的核心难题都是同一个问题：一个最终结果发生后，谁应该为这个结果承担责任（获得信用）？这个问题在人类社会中无处不在——团队绩效归因、历史事件的因果追溯、个人成长中哪些习惯真正有效。RL的贡献不是"解决了信用分配"，而是"用数学语言把这个问题精确化了"，使我们能系统地讨论不同分配方案的偏差和方差。