arXiv 机器学习· Taha M. Mahmoud, Naima Kaabouch·· 7 小时前AI 评分26
Dual-Adaptive Z-Score PPO：利用动作置信度与归一化优势幅度实现动态裁剪
Dual-Adaptive Z-Score PPO: Dynamic Clipping Using Action Confidence and Normalized Advantage Magnitude
AI 导读
研究人员提出 Dual-Adaptive Z-Score PPO（PPO-DAZ3），利用动作置信度与归一化优势幅度为每个样本动态计算截断区间，标准 PPO 其余训练流程保持不变。
来源：arXiv 机器学习 · arxiv.org