A2C（同步優勢演員–評論家，synchronous advantage actor-critic）

A2C 是優勢演員–評論家整潔的同步版本。你平行跑許多份環境，讓每一份走固定步數，然後全部停下、把所有轉移蒐集成一個大批次，才做一次更新。可以想像一排遊戲機同時暫停，好讓你一起讀它們的螢幕——這個「同時」正是重點所在。

跨平行演員做批次處理，讓你不必使用重播緩衝區就得到去相關、多樣的經驗，既穩定梯度又能高效利用硬體——一次大矩陣更新，勝過許多次小更新。每次更新計算優勢（常用 GAE），走一步演員、一步評論家，然後所有工作者從暫停處續跑。它是確定性的、容易重現，這點和它的非同步表親不同。

歷史上，A2C 的提出源於一個觀察：A3C 裡的非同步其實並非必要——同步版本表現相當甚至更好，而且更易實作與除錯。它至今仍是乾淨而強的基準，也是通往 PPO 的概念踏腳石——PPO 基本上就是在這個迴圈之上加了一個裁剪過的目標。