arXiv·· 16 天前AI 评分20
PPO 在解析可解的经纪商-交易员博弈中为何"奖励正确仍学不会"
When a Correct Reward Is Not Enough: Diagnosing and Guiding PPO in an Analytically Solved Broker-Trader Game
AI 导读
研究将 PPO 智能体放入一个已有解析解的连续时间经纪商-交易员博弈中，由 PPO 替代经纪商选择交易速度，与知情交易者和随机噪声订单流交互。作者指出，即使奖励信号正确，PPO 仍难以学到解析最优策略，并据此诊断问题、提出引导方法。
来源：arXiv · arxiv.org