知识卡片
PPO裁剪代理目标
PPO 的裁剪目标限制新旧策略行动概率比率带来的目标增益,减少单次更新偏离旧策略的激励。裁剪不是对策略 KL 距离或所有参数变化的硬保证;实际更新幅度仍受优化步数、学习率等影响。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 第8章 强化学习
原书出处 · 1 处
- 强化学习 · 查看原书依据
PPO在目标函数中进行限制,保证新旧参数差距不会太大
参考来源
- 位置:《现代人工智能技术》第8章《强化学习》(来源项目:book-source;源文件:extracted/现代人工智能技术/_epub-src/EPUB/xhtml/chapter10.xhtml)
- 结论依据:原文说明在目标函数中截断概率比率以限制更新。
- 原始内容:PPO在目标函数中进行限制,保证新旧参数差距不会太大