arXiv · cs.AI· Siu Tung Wong·· 25 天前AI 评分28
当正确奖励还不够：在解析可解的 broker-trader 博弈中诊断与引导 PPO
When a Correct Reward Is Not Enough: Diagnosing and Guiding PPO in an Analytically Solved Broker-Trader Game
来源与原文
arXiv · cs.AI
作者：Siu Tung Wong
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.03598v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
UCL 等机构研究者在解析可解的连续时间 broker-trader 博弈中测试 PPO 智能体，发现奖励正确并不足以保证学习成功。
来源：arXiv · cs.AI · arxiv.org