UPGO

تقنية تحديث سياسة تستخدم العوائد فقط حين تتجاوز خطّ أساس القيمة (أي الجزء 'الصاعد' فقط)، ممّا يمنع المسارات السيئة الحظ من سحب السياسة نحو الأسفل ويُحسّن استقرار التدريب.

A policy update technique that uses returns only when they exceed the value baseline (the 'upgoing' portion only), preventing unlucky trajectories from pulling the policy downward and improving training stability.