arXiv cs.LG· Taha M. Mahmoud, Naima Kaabouch·· 7 天前AI 评分26
Dual-Adaptive Z-Score PPO：基于动作置信度与归一化优势幅度的动态裁剪
Dual-Adaptive Z-Score PPO: Dynamic Clipping Using Action Confidence and Normalized Advantage Magnitude
AI 导读
研究提出 Dual-Adaptive Z-Score PPO（PPO-DAZ3），基于动作置信度与归一化优势幅度为样本动态设定裁剪区间。在经典控制基准测试中，PPO-DAZ3 在 LunarLander-v3 表现最佳，平滑优势变体 PPO-AZ3S 在 Acrobot-v1 领先，标准 PPO 则在 CartPole-v1 保持竞争力，表明自适应裁剪对高难度任务收益更显著。
来源：arXiv cs.LG · arxiv.org