本文提出了一种无偏的动作依赖基线，以降低深度强化学习中策略梯度方法的高方差问题。该方法利用随机策略的结构，适用于长时间跨度和高维动作空间，实验表明其能加速学习，适合高维控制问题，并可扩展至部分观察和多智能体任务。