OpenAI เปิดตัวอัลกอริทึมการเรียนรู้แบบเสริมกำลัง Proximal Policy Optimization (PPO)
หัวข้อต้นฉบับ:Proximal Policy Optimization
สรุปโดย AI
OpenAI เปิดตัวอัลกอริทึมการเรียนรู้แบบเสริมกำลังชนิดใหม่ Proximal Policy Optimization (PPO) ซึ่งมีประสิทธิภาพเทียบเท่าหรือดีกว่าวิธีที่ล้ำหน้าที่สุดในขณะนั้น พร้อมทั้งใช้งานและปรับพารามิเตอร์ได้ง่ายกว่า ด้วยความง่ายในการใช้งานและประสิทธิภาพที่ดี PPO จึงกลายเป็นอัลกอริทึมการเรียนรู้แบบเสริมกำลังเริ่มต้นภายใน OpenAI
สรุปสั้น
- เวลาเผยแพร่
- เวลาอัปเดต
- แหล่งที่มา
- OpenAI:官网动态(RSS · 排除企业/客户案例)
- หมวดหมู่
- เปิดตัวโมเดล
- คะแนน AI
- 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。
เอนทิตีที่เกี่ยวข้อง
แหล่งที่มาและลิขสิทธิ์
บทความนี้เรียบเรียงจากพาดหัวคัดสรรและบทสรุป AI จาก API สาธารณะของ AIHOT โดยระบุแหล่งที่มาและลิงก์กลับแล้ว ลิขสิทธิ์ต้นฉบับเป็นของสื่อและผู้เขียนต้นทาง เว็บไซต์นี้ไม่ได้สะท้อนเนื้อหาฉบับเต็ม
วิธีอ้างอิง
เมื่ออ้างอิงบทความนี้ โปรดระบุชื่อเรื่อง วันที่ และลิงก์ถาวร พร้อมระบุแหล่งที่มาเป็น Orange News
Orange News: OpenAI เปิดตัวอัลกอริทึมการเรียนรู้แบบเสริมกำลัง Proximal Policy Optimization (PPO) 20 กรกฎาคม 2017 https://new.nat6.net/th/news/es4cpsqi6fmv9acuwvkj9372h/