Discounting Chain Environment

该数据集是一个旨在凸显不同折现期限影响的玩具问题，它对折现因子非常敏感。此外，该环境允许访问真实的价值函数，这有助于检查由于错误折现因子引起的偏差。任务是通过元梯度强化学习实验，演示在内层损失中使用外层批评家的影响。