stage advantage value gt

您好非常感谢开源这么好的工作，但是我对training estimator的部分有一点疑问，value计算的target是progress = stage_progress_gt - his_-100_stage_progress_gt，his_-100_stage_progress_gt是随机的同episode的完成度，那么这个value的具体意义是什么呢，我的理解他已经不再是完成度了。在Eval中依然是通过value相减得到advantage。感谢大佬