概念
learning_rate
机器学习中的学习率超参数，控制模型参数在梯度下降中的更新步长。
时间轴 (近 90 天)
10月13日
在固定learning_rate下，batch_size随环境数线性放大、num_epoch保持不变时，策略在单次迭代中被推向新分布的总位移可能增大，表现为训练早期奖励剧烈震荡甚至坍塌。
待验证50%
机器学习中的学习率超参数，控制模型参数在梯度下降中的更新步长。
在固定learning_rate下，batch_size随环境数线性放大、num_epoch保持不变时，策略在单次迭代中被推向新分布的总位移可能增大，表现为训练早期奖励剧烈震荡甚至坍塌。