Tianshou项目文档优化：强化学习基础概念补充

在开源强化学习框架Tianshou的文档维护过程中，社区成员发现基础理论部分的"vanilla policy gradient方法局限性"描述缺少相关参考资料链接。经过开发者确认后，项目团队迅速响应，补充了相关理论基础链接，完善了文档的知识体系完整性。

vanilla policy gradient作为经典的策略梯度方法，其局限性主要体现在三个方面：

1. 高方差问题：由于直接基于轨迹样本进行梯度估计，会导致训练过程不稳定
2. 样本效率低下：需要大量交互数据才能获得较好的策略更新
3. 学习率敏感：不当的学习率设置容易导致策略性能剧烈波动

Tianshou作为PyTorch实现的强化学习库，其文档质量直接影响用户的学习体验。这类基础理论的补充虽然看似微小，但对于初学者理解后续PPO、SAC等改进算法具有重要意义。项目维护者展现出的快速响应机制也体现了开源社区协作的优势。

对于想要参与开源贡献的新开发者，建议可以从文档完善这类基础工作入手，逐步深入理解代码架构。Tianshou社区维护者也明确表示欢迎新人参与，并愿意提供指导建议。这种开放的社区文化有利于项目的长期发展。

强化学习理论知识与工程实践的紧密结合，正是Tianshou这类框架的核心价值所在。随着文档体系的不断完善，将帮助更多开发者跨越从理论到实现的门槛。