تحسين السياسة المجاور (PPO)

عقوبة تباعد KL

عقوبة مضافة إلى دالة هدف PPO للتحكم في التباعد بين السياسات المتعاقبة، يتم تعديلها تكيفياً للحفاظ على التحديثات في منطقة مقبولة.

← رجوع