https://tf.wiki/zh/appendix/rl.html
数字三角形（变式 1）中的策略评估和策略改进框架中的图里面，策略评估（第 0 轮）左边的红字里面计算向下和向右下的期望的算式是不是写反了。
不好意思，确实有一些很奇怪的笔误，以下是修正的图示：
感谢提醒！
策略评估（第0轮）右边坐标值为2，计算动作的期望值是不是有点问题，结果是1.25，但是过程不对？我觉得应该是：0.25 2+0.751=1.25
抱歉应该又是笔误，修正后图示如下
看过的所有讲 RL 基础的资料里，博主写的是最清晰易懂的。感谢博主
的期望值是不是有点问题，结果是1.25，但是过程不对？我觉得应该是：0.25 2+0.751=1.25
