已验证65% 置信事实精确时间

PPO是OpenAI在ChatGPT等大语言模型RLHF训练阶段采用的核心算法

3

来源数

65%

置信度

长期有效

时效性

2026/7/18

首次发现

来源

DecisionRL：专为运营决策场景打造的强化学习开源库

相关事实

已验证PPO（近端策略优化）是OpenAI在2017年提出的一种强化学习算法，成为RLHF的主流选择81% 相似待验证PyGPT支持OpenAI的推理模型o1和o372% 相似待验证RLHF 最初由 OpenAI 用于语言模型的对齐训练，后被广泛应用于图像生成领域72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/552168

API

curl https://kongchang.com/api/v1/knowledge/claims/552168

MCP

get_claim(id=552168)