待验证50% 置信事实精确时间
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
1
来源数
50%
置信度
长期有效
时效性
2026/7/17
首次发现
来源
相关事实
待验证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73% 相似已验证TRPO由John Schulman等人在2015年提出，将策略更新形式化为约束优化问题：最大化替代目标函数同时约束新旧策略之间的KL散度不超过阈值69% 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66% 相似待验证GPTQ于2022年提出，将OBS框架从剪枝扩展到量化，利用海森矩阵的逆最优调整未量化权重以补偿量化误差，并通过Cholesky分解高效更新59% 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PPO57% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/536298API
curl https://kongchang.com/api/v1/knowledge/claims/536298MCP
get_claim(id=536298)