Pelancaran Model

OpenAI lancar algoritma pembelajaran pengukuhan Proximal Policy Optimization (PPO)

Tajuk asal:Proximal Policy Optimization

Ringkasan AI

OpenAI melancarkan sejenis algoritma pembelajaran pengukuhan baharu, Proximal Policy Optimization (PPO), yang prestasinya setanding atau lebih baik daripada kaedah tercanggih ketika itu, sambil lebih mudah dilaksanakan dan ditala. Kerana mudah digunakan dan berprestasi baik, PPO telah menjadi algoritma pembelajaran pengukuhan lalai dalam OpenAI.

Maklumat penting

  • OpenAI melancarkan sejenis algoritma pembelajaran pengukuhan baharu,Proximal Policy Optimization…
  • sambil lebih mudah dilaksanakan dan ditala.
  • Kerana mudah digunakan dan berprestasi baik,PPO telah menjadi algoritma pembelajaran pengukuhan…

Sekilas pandang

Diterbitkan pada
Dikemas kini pada
Sumber
OpenAI:官网动态(RSS · 排除企业/客户案例)
Kategori
Pelancaran Model
Skor AI
73
Baca asal Baca artikel penuh di sumber asal
Sebab disyorkan

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。

Entiti Berkaitan

Sumber dan hak cipta

Artikel ini disusun berdasarkan tajuk pilihan dan ringkasan AI daripada API awam AIHOT, dengan sumber dinyatakan dan pautan balik disediakan; hak cipta teks asal milik media dan penulis asal, laman ini tidak menyalin penuh teks penuh.

Pautan asal · Entri AIHOT

Cara memetik

Apabila memetik artikel ini, kekalkan tajuk, tarikh dan pautan kekal, serta nyatakan sumber sebagai Orange News.

Orange News: OpenAI lancar algoritma pembelajaran pengukuhan Proximal Policy Optimization (PPO). 20 Julai 2017. https://new.nat6.net/ms/news/es4cpsqi6fmv9acuwvkj9372h/

Lihat Semua →