Actor-Critic 不是两个模型互相打分：基线方差辟谣

Actor-Critic 常被简化成“演员行动、评论家打分”，容易误以为评论家决定动作好坏。本文用两臂老虎机拆解策略梯度：Critic 提供与动作无关的回报基线，优势值负责降方差。Python 实验同时比较梯度方差并训练策略，用数据验证基线的作用与偏差边界。