PulseAugur
中
实时 08:17:07
实体 Ordered Policy Optimization

Ordered Policy Optimization

PulseAugur coverage of Ordered Policy Optimization — every cluster mentioning Ordered Policy Optimization across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_348424 ·

    新的有序策略优化方法增强了强化学习的稳定性

    研究人员推出了一种名为有序策略优化(OPO)的新方法,旨在提高强化学习中策略更新的稳定性和有效性。与使用固定裁剪范围处理所有样本的传统近端策略优化(PPO)不同,OPO根据重要性比率的可靠性自适应地调整裁剪半径。这种方法专门针对并控制可能不成比例地影响更新的极端比率。在MuJoCo和Atari基准测试上的实验表明,OPO与现有方法相比取得了强大的性能。