Ian Osband 提出 horizon loss：把 cross-entropy 按剩余训练预算截断

Ian Osband 提出 horizon loss，将 cross-entropy 按剩余训练预算截断，一行代码即可实现。他把 cross-entropy 定义为“耐心的准确率”，即一个样本若无限期训练下去最终要付出的总误差，而 policy gradient 是这个总量的零视界极限。