#PPO

共 3 篇相关文章

开源框架SIRFEX用失败场景微调PPO，却导致标称性能下降。本文解析其实验数据、负结果原因，并探讨鲁棒性提升与标称性能保持的平衡之道。

开发者利用PPO强化学习算法成功重建移动沙发问题的Gerver最优解，展示了AI在几何优化难题中的潜力。文章详细介绍了问题背景、方法、结果及局限性。

开发者用PPO强化学习智能体玩《神庙逃亡》，通过Frida直接读取游戏内存并调用游戏方法操作，自建C++无头模拟器6分钟训练1000万步，真机14次实测中位数4736米、最远16782米，GitHub已开源。