Hugging Face 深度强化学习课程：PPO（Proximal Policy Optimization）详解与 PyTorch 实现

Hugging Face 深度强化学习课程第 8 单元讲解 Proximal Policy Optimization（PPO），通过将新旧策略的概率比裁剪在 [1−ϵ, 1+ϵ] 区间内，避免策略更新过大，从而提升训练稳定性。文中用 PyTorch 从零实现 PPO，并在 CartPole-v1 和 LunarLander-v2 上验证。