AI Qazaqstan
Компании

Материал на языке оригинала: English.

Proximal Policy Optimization

We’re releasing a new class of reinforcement learning algorithms, Proximal Policy Optimization (PPO), which perform comparably or better than state-of-the-art approaches while being much simpler to implement and tune. PPO has become the default reinforcement learning algorithm at OpenAI because of its ease of use and good performance.

20 июля 2017 г. · Источник: OpenAI news

Полный текст доступен у источника.

Читать у источника →

Ещё в теме

КомпанииИзмерение того, как агенты ИИ занимаются повседневной наукой о мокрой лабораторииOpenAI вводит Bio BasicsBench, 100-задачный эталонный показатель, измеряющий, насколько хорошо агенты АИ интерпретируют необработанные экспериментальные данные и занимаются повседневной наукой о мокрых плитах.OpenAI news