下面的伪代码取自 Barto 和 Sutton 的“强化学习：介绍”。它显示了一个带有资格跟踪的actor-critic 实现。我的问题是：如果我设置$\lambda^{\theta}=1$并将$\delta$替换为即时奖励$R_t$，我会得到 REINFORCE 的向后实现吗？