知识卡片

普通读书笔记卡 · 9875.n.1 · 生成模型:未记录

PPO裁剪代理目标

理解等级:中级

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?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    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