نموذج القيمة

شبكة عصبية تُقدّر المكافأة التراكمية المتوقعة من حالة معينة، تُستخدم في PPO لحساب الميزة لكنها غائبة في GRPO.

A neural network that estimates the expected cumulative reward from a given state, used in PPO for advantage computation but absent in GRPO.