研究提出双自适应Z分数PPO裁剪方法

Taha M. Mahmoud 与 Naima Kaabouch 提出并评估了 Dual-Adaptive Z-Score PPO（PPO-DAZ3）方法，用动作置信度和归一化优势幅度两个信号为每个样本动态设定裁剪区间，替代 PPO 固定的裁剪阈值，其余训练流程不变。 据论文表述，动作置信度取当前策略下所选动作的概率，更新置信度取归一化后的优势幅度。该设计目前仅为论文中的方法描述与评估，报道未给出与其他方法对比的具体结果。

AI 根据报道生成 · 46 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。