文档摘要

5.4.1.2 策略梯度与值函数 5.4.1.2 策略梯度与值函数：当Actor-Critic在CartPole上突然“失忆”——一个被低估的熵崩溃故障与带温度调节的策略熵正则化实战方案 你有没有遇到过这样的场景？ 模型在CartPole-v1上训练到平均回合长度198步，眼看着就要稳稳突破200（即完美收敛），却在第327个episode后，骤然崩塌：回合长度从195跳崖式跌至12、7、3……最终卡死在“一推就倒”的状态。 会员。《5.4.1.2 策略梯度与值函数》收录于灏天文库文集《随机过程》，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。文档编号56645。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---