待验证60% 置信事实精确时间
PPO的目标函数为L(θ) = E[min(r(θ)·A, clip(r(θ), 1-ε, 1+ε)·A)]，其中ε通常取0.1或0.2
2
来源数
60%
置信度
长期有效
时效性
2026/8/5
首次发现
来源
相关事实
待验证给定一个包含原点的凸多面体 P，其极点对偶 P* 定义为所有满足 <x,y>≤1（对所有 y∈P）的点 x 的集合62% 相似已验证贝叶斯定理表达为P(A|B) = P(B|A)·P(A)/P(B)61% 相似待验证双层优化的一般形式为 min_θ F(θ, φ*(θ))，其中 φ*(θ) = argmin_φ G(θ, φ)，其梯度可以通过隐函数定理或迭代微分技术高效计算。60% 相似待验证夹心图定义为给定顶点集 V 及两个边集 E₁ ⊆ E₂，任意满足 E₁ ⊆ E ⊆ E₂ 的图 G=(V,E)，问题是判断其中是否存在具有某种性质 Π 的成员60% 相似待验证刘维尔函数 λ(a) = (-1)^ω(a)，其中ω(a)表示a的质因数个数（计重）59% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/690916API
curl https://kongchang.com/api/v1/knowledge/claims/690916MCP
get_claim(id=690916)