arXiv · 机器人与计算机视觉· Dongkyu Derek Cho, Pan Xu·· 10 天前AI 评分73
有序策略优化:一种针对重要性比率分布可靠性的自适应裁剪方法
Ordered Policy Optimization
AI 导读
论文提出了有序策略优化(Ordered Policy Optimization, OPO),该方法在每个小批量中对重要性比率进行排序,识别并针对具有最大更新影响的极端比率分配自适应样本级裁剪半径,而非使用固定范围。实验在 MuJoCo 和 Atari 基准上验证了该简单修改相对于现有基线的强性能。材料为 NeurIPS 2026 录用论文,包含完整正文与代码链接。
来源:arXiv · 机器人与计算机视觉 · arxiv.org