0.20

提示：观察带阴影的“安全更新区间” [1-ε, 1+ε] 如何随着 ε 的变化而扩展或收缩。

优势 A > 0 (动作优于平均)
r(θ)A (未截断)
J (截断后)
优势 A < 0 (动作劣于平均)
r(θ)A (未截断)
J (截断后)