BriefGPT - AI 论文速递 · 2025-05-01T00:00:00Z 瓦瑟斯坦策略优化 💡 原文中文，约400字，阅读约需1分钟。 📝 内容提要 本研究提出了一种名为瓦瑟斯坦策略优化（WPO）的强化学习演员-评论家算法，适用于连续动作空间，结合了确定性和经典策略梯度方法的优点，表现优异。 🏷️ 标签 强化学习 演员-评论家 瓦瑟斯坦策略优化 策略梯度 连续动作空间 阅读原文 生成长图 分享链接 已复制链接
