人物
De Oliveira
强化学习研究者，参与发表关于GRPO在控制任务中与PPO对比的研究工作（arXiv:2511.03527）
时间轴 (近 90 天)
10月14日
De Oliveira 等人的工作（arXiv:2511.03527）在五个经典控制任务上对比了无 critic 方法与 PPO。
待验证50%
强化学习研究者，参与发表关于GRPO在控制任务中与PPO对比的研究工作（arXiv:2511.03527）
De Oliveira 等人的工作（arXiv:2511.03527）在五个经典控制任务上对比了无 critic 方法与 PPO。