深度学习训练技术，通过限制梯度向量的范数或绝对值，防止梯度爆炸问题，保障训练稳定性，常用于RNN、LSTM和Transformer等模型训练
PPO（近端策略优化）通过限制每次参数更新的幅度，在学习效率与训练稳定性之间取得平衡