概念Action Masking
动作掩码
强化学习中的一种技术，通过屏蔽非法动作的概率来限制智能体的可选动作集合，确保采样到的动作始终合法，提升训练效率和稳定性。
时间轴 (近 90 天)
10月29日
动作掩码会在策略网络输出动作概率时，将非法动作的概率置零并重新归一化，确保智能体只从合法动作中采样，能显著加速训练，但可能引入隐性偏好导致路径依赖。
待验证50%
10月12日
可行性感知的动作掩码限制系统只能选择能在剩余通信窗口内完成传输的数据包
待验证50%
强化学习中的一种技术，通过屏蔽非法动作的概率来限制智能体的可选动作集合，确保采样到的动作始终合法，提升训练效率和稳定性。
动作掩码会在策略网络输出动作概率时，将非法动作的概率置零并重新归一化，确保智能体只从合法动作中采样，能显著加速训练，但可能引入隐性偏好导致路径依赖。
可行性感知的动作掩码限制系统只能选择能在剩余通信窗口内完成传输的数据包