Policy Gradient

規劃學習：以 Horizon Loss 橋接交叉熵與策略梯度的全新損失函數

Planning to Learn: Bridging Cross-Entropy and Policy Gradient with Horizon Loss

本研究指出傳統精確策略梯度因缺乏遠見而輸給交叉熵，並提出 Horizon Loss（地平線損失），透過動態縮短學習地平線，在 ImageNet 基準測試中成功超越交叉熵。