AI用語辞典
.ai
用語一覧
ランキング
関係グラフ
マイ単語帳
このサイト
検索
「
proximal policy optimization
」の検索結果: 1件
PPO(近接方策最適化)
Proximal Policy Optimization
(PPO)
上級
強化学習の代表的アルゴリズム。RLHFでモデルを安定的に更新するのに使われる。
🤖 大規模言語モデル