我正在研究programming assignment from David Silver's RL course（在看完他所有的10篇讲座之后），现在正试图实现Sarsa（λ）。
虽然Sarsa的常规版本和前视图版本对我来说似乎很清楚，但我很难在后视图Sarsa中的更新机制背后获得一些直觉。根据这张幻灯片（摘自David Silver的演讲），我们使用最近的状态和动作来计算误差项（），然后我们更新此情节中所有过去的状态-动作对的所有Q值：
Backward-view Sarsa(λ) pseudocode
朝最新的TD错误的方向更新所有过去的状态/动作对（在给定情节中）的背后的逻辑是什么？如果他们错了，但方向相反，该怎么办？例如，如果我们正在玩游戏，并且在某个时间点我们应该上升然后下降以越过障碍物，那么算法在某个时间点是否不会尝试朝该方向更新“向上”动作行动“？
