自适应优化器可能导致策略排序错误：动量、相关数据与双运行修正法

自适应优化器（如 Adam）的固定平均率会改变线性时间差分（TD）估计值，导致策略排序错误且更多数据反而增加误判确信度。 论文提出一种双运行修正法，通过在减半有效增益率下重新拟合，用新拟合值的两倍减去原值消除偏差。 该修正法在纽约出租车和电池充电模型中纠正了几乎所有错误排序，仅在偏差较大时额外增加一次拟合。