Hugging Face 深度强化学习课程第 8 单元：Proximal Policy Optimization (PPO)

Hugging Face 深度强化学习课程第 8 单元讲解 Proximal Policy Optimization (PPO)，通过在当前策略与旧策略的概率比上做裁剪（范围 [1−ϵ,1+ϵ]）来限制每轮策略更新幅度，避免更新过大导致训练不稳定。课程随后用 PyTorch 从零实现 PPO，并在 CartPole-v1 和 LunarLander-v2 上验证。