arXiv cs.LG· Linxuan Wu, Liang Chen·· 7 小时前AI 评分22
PPO-FP16：面向半精度 PPO 的结构感知数值稳定方案
Structure-Aware Numerical Stabilization for Half-Precision Proximal Policy Optimization
AI 导读
研究者提出 PPO-FP16，通过全局标量保护、策略变化残差保护和持久更新保护三个结构感知模块，让 PPO 训练可直接在 FP16 下稳定运行，且无需重新调参。
来源：arXiv cs.LG · arxiv.org