在大模型训练中，PPO 算法里的 returns（回报）指什么？

回答思路

1. 能准确定义 returns 并说明其组成
2. 能区分 returns 与 advantage 的关系
3. 能解释其在 PPO 策略更新中的作用
4. 能说明 GAE 在计算 returns 中的应用