我对机器学习有点陌生，但在数学，尤其是微积分方面还不是很扎实。我目前正在尝试实现 spiningUp 网站中描述的 PPO 算法：

这条线让我很难过：

什么是$\operatorname{argmax}$意思是，在这种情况下？他们还在讨论使用梯度上升来更新策略。所以，对于 argmax$\theta$与这样做相同：

在哪里$J$是 min() 函数吗？