OpenAI ने प्रॉक्सिमल पॉलिसी ऑप्टिमाइज़ेशन (PPO) रीइन्फोर्समेंट लर्निंग एल्गोरिदम जारी किया
मूल शीर्षक:Proximal Policy Optimization
AI सारांश
OpenAI ने एक नया रीइन्फोर्समेंट लर्निंग एल्गोरिदम, प्रॉक्सिमल पॉलिसी ऑप्टिमाइज़ेशन (PPO) जारी किया है। यह अपने समय के अत्याधुनिक तरीकों के बराबर या उनसे बेहतर प्रदर्शन करता है, साथ ही इसे लागू करना और ट्यून करना अधिक सरल है। अपनी सरलता और प्रभावी प्रदर्शन के कारण, PPO अब OpenAI का डिफ़ॉल्ट रीइन्फोर्समेंट लर्निंग एल्गोरिदम बन गया है।
मुख्य जानकारी
- OpenAI ने एक नया रीइन्फोर्समेंट लर्निंग एल्गोरिदम
- प्रॉक्सिमल पॉलिसी ऑप्टिमाइज़ेशन (PPO) जारी किया है। यह अपने समय के अत्याधुनिक तरीकों के बराबर या…
- साथ ही इसे लागू करना और ट्यून करना अधिक सरल है। अपनी सरलता और प्रभावी प्रदर्शन के कारण,PPO अब…
एक नज़र में
- प्रकाशन समय
- अपडेट समय
- श्रेणी
- मॉडल लॉन्च
- AI स्कोर
- 73
OpenAI 官方宣布 PPO 算法开源,并说明其成为内部默认强化学习算法的原因,可帮助读者了解该方法的定位。
संबंधित एंटिटी
स्रोत और कॉपीराइट
यह लेख AIHOT के सार्वजनिक API की चयनित सुर्खियों और AI सारांशों के आधार पर तैयार किया गया है, स्रोत का उल्लेख और लिंक दिया गया है; मूल पाठ का कॉपीराइट मूल मीडिया और लेखक के पास है, यह साइट पूरा पाठ मिरर नहीं करती।
उद्धरण कैसे दें
इस लेख का उद्धरण देते समय शीर्षक, तिथि और स्थायी लिंक बनाए रखें और स्रोत Orange News बताएं।
Orange News: OpenAI ने प्रॉक्सिमल पॉलिसी ऑप्टिमाइज़ेशन (PPO) रीइन्फोर्समेंट लर्निंग एल्गोरिदम जारी किया। 20 जुलाई 2017। https://new.nat6.net/hi/news/es4cpsqi6fmv9acuwvkj9372h/