السياسة المرجعية

نسخة مجمّدة من نموذج السياسة تُستخدم كنقطة مقارنة في التعلم المعزز عبر حدّ تباعد KL، لمنع السياسة الجديدة من الابتعاد كثيراً.

A frozen copy of the policy model used as a comparison point in RL via a KL divergence penalty, preventing the new policy from drifting too far.