تدرّج السياسة الصاعد

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.