在关于近端策略优化算法的原始论文中
https://arxiv.org/pdf/1707.06347.pdf
在等式(4(中,作者使用用KL[]
表示的运算。不幸的是,他们从未给出定义。
我的问题:
KL[]
操作代表什么?
也许是吉隆坡的分歧?
KL散度用于比较两个概率分布之间的差异。