待验证50% 置信事实精确时间

CISPO（Clipped Importance Sampling Policy Optimization）与 PPO 同源，通过重要性采样比值的裁剪约束策略更新幅度

1

来源数

50%

置信度

长期有效

时效性

2026/7/16

首次发现

来源

Mistral首款具身导航模型：单摄像头成功率超越激光雷达方案

相关事实

待验证PPO由Schulman等人于2017年提出，通过裁剪重要性采样比值约束策略更新步长73% 相似已验证PPO通过引入裁剪目标函数将新旧策略概率比值限制在[1-ε, 1+ε]区间，替代TRPO的KL散度约束，简化了实现复杂度69% 相似待验证TRPO通过约束策略更新的KL散度来保证单调改进，但需要计算二阶导数（Fisher信息矩阵），实现复杂度高于PPO67% 相似待验证相比TRPO，PPO以更低的实现复杂度达到相近的稳定性保证，成为RLHF标准算法62% 相似待验证偏好优化类方法普遍面临构造高质量、覆盖面广偏好数据集的挑战，对FTPO而言循环/非循环样本对的构建尤为棘手60% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/536188

API

curl https://kongchang.com/api/v1/knowledge/claims/536188

MCP

get_claim(id=536188)