ppo gae lambda
AI 回答
由 glm-4-flash 生成 · 仅供参考,请自行核实
1. PPO(Proximal Policy Optimization)是一种强化学习算法。
2. GAE(Generalized Advantage Estimation)用于估计策略梯度。
3. Lambda是GAE中的一个参数,表示优势估计的折扣因子。
2. GAE(Generalized Advantage Estimation)用于估计策略梯度。
3. Lambda是GAE中的一个参数,表示优势估计的折扣因子。
没有找到「ppo gae lambda」相关的内容
建议:检查关键词是否有错别字,或换一个更常见的说法。