Baseline (RL)

قيمة مرجعية تُطرح من المكافأة قبل تحديث الأوزان. الهدف: بدلًا من تعزيز كل فعل أعطى مكافأة إيجابية، عزّز فقط الأفعال التي أعطت مكافأة *أفضل من المتوقّع*. هذا يُقلّل تذبذب التدرّج بشكل كبير دون إفساد اتجاه التعلّم. أفضل خطّ أساس يقترب من دالّة قيمة الحالة — أي المكافأة المتوقّعة من الحالة الحالية.

A value subtracted from the return in the policy gradient to reduce estimation variance without introducing bias; the optimal baseline approximates the state value function.