test

docs/10.md

@@ -552,4 +552,6 @@ $$
 
 **解答** 我们希望找到 $\pi'$，但为了达到这一目标，我们需要用 $\pi'$ 执行 rollout，这一过程过于缓慢。我们需要使用重要性采样。
 
-**练习 6.7**
\ No newline at end of file
+**练习 6.7** 这里是对离散动作空间使用自动微分来执行最大似然估计的伪代码。
+
+\tt{logits = policy.predictions(states)}
\ No newline at end of file