已验证80% 置信事实时间未知
PPO（近端策略优化）是OpenAI在2017年提出的一种强化学习算法，成为RLHF的主流选择
4
来源数
80%
置信度
长期有效
时效性
2026/6/1
首次发现
来源
涉及实体
引用此条事实
Stable URI
https://kongchang.com/claim/31969API
curl https://kongchang.com/api/v1/knowledge/claims/31969MCP
get_claim(id=31969)https://kongchang.com/claim/31969curl https://kongchang.com/api/v1/knowledge/claims/31969get_claim(id=31969)