本文介绍了作者在使用SAC模型测试停车环境时遇到的问题，以及通过研究stable-baselines3代码发现的两个SAC模型中的重要参数：log_prob和Squashed Gaussian Trick。作者提出了对于SAC模型，当预测的log_prob越大时，说明探索力度还不够，应该增大熵对reward的增益；反之，当输出action的概率较小时，说明探索的比较好，应该减小熵的增益。