Skip to main content

adaptive-ppo-exploration-via-reward-history

Implements a dynamic exploration mechanism for a PPO agent that adjusts action variance based on reward trends. It compares recent rewards to historical averages to determine if exploration should be increased.

インストールへ移動

ソース情報

リポジトリ
ECNU-ICALK/AutoSkill
ソースの最終更新活動
2026年3月16日 04:53
検出された SKILL.md の言語
英語
スター
553
フォーク
51

インストール方法

デフォルトでは、最初にソースを確認する Prompt が選択されています。直接コマンドに切り替えるか、ローカルコピーをダウンロードすることもできます。

ソースファイルを確認

インストールを決める前に、SKILL.md と SkillsMP に表示されている付属ファイルをお読みください。