同策略强化学习

on-policy RL

同策略强化学习是利用当前策略自身生成的经验来更新该策略的强化学习方法。

2篇文章最近提及

同策略强化学习是利用当前策略自身产生的行为及结果来更新该策略的强化学习方法,也用于AI模型训练。它与可利用旧策略或其他策略所收集数据的异策略强化学习不同。

本条目依据AIPOST的文章与广为人知的事实整理。如有错误,请通过更正请求告诉我们。

涉及该条目的文章

  • AI智能体优化指南:改提示词还是训练权重,如何取舍AI性能 ·

    在策略蒸馏(on-policy distillation)把两种思路结合起来。

    阅读文章
  • 从预训练到GRPO:前沿大模型是如何炼成的AI性能 ·

    任何形式的微调仍会造成一定退化,但同策略强化学习似乎能把退化降到最低,让模型在高难基准上逐步爬升,同时保留核心知识。

    阅读文章

发现说明有误或找不到条目?

百科说明依据AIPOST的文章与广为人知的事实整理。如有错误,请通过更正请求告诉我们,我们会核实并修改。新文章中出现的名称会在文章发布后加入百科。