PPO 最核心思想：不能让策略一次性改动太大！，否则训练极易崩溃、震荡。数值小：新旧策略几乎没变化，更新力度太弱，学习慢 数值大：新策略一次性改动过猛，很危险，容易训崩 网上有很多说法，有说0.
央视网消息（新闻联播）：作为我国经济最具活力、开放程度最高的区域之一，长三角地区上半年进出口规模创下历史同期新高，并实现连续16个月保持增长，展现出强劲的经济韧性与发展活力。
国际油价则大幅跳水，WTI原油期货价格大跌超5%，报84.26美元/桶；布伦特原油期货价格大跌超5%，报86.
官方数据显示，截至目前，“小团”的信息产品已覆盖全国2800多个城市，累计完成超过7亿次商家信息校验，收录用户评价超过13亿条。