เปิดตัวโมเดล

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
อ่านต้นฉบับ อ่านบทความฉบับเต็มที่แหล่งข่าวต้นฉบับ
เหตุผลที่แนะนำ

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

ลิงก์ต้นฉบับ · รายการ AIHOT

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/

ดูทั้งหมด →