打破陶罐做蛋饼：两种改进 PPO 训练效率方法在网格世界中的对比分析

研究评估了两种旨在提升标准 PPO 训练效率的方法在网格世界 RL 智能体中的应用。实验表明，这些方法虽能收敛到更优策略，但耗时约为 PPO 的两倍。项目代码已在 GitHub 开源，背景为 ARENA 8.0 结课项目。