torchrl-ppo

Build reinforcement-learning training code with TorchRL APIs, especially PPO agents and examples using Gym/Gymnasium environments. Use when implementing or reviewing TorchRL code that should rely on TensorDict, GymEnv, TransformedEnv, TensorDictModule, ProbabilisticActor, ValueOperator, SyncDataCollector, ReplayBuffer, GAE, and ClipPPOLoss instead of hand-writing PPO losses, rollout storage, or actor-critic plumbing.

模型生成摘要（rules/v1 · 2026-11-12 18:34）：Build reinforcement-learning training code with TorchRL APIs, especially PPO agents and examples using Gym/Gymnasium env…
这是模型对公开材料的总结，不是官方声明，请以原链内容为准。

存档时间线

版本	存档时间	内容哈希	内容
v1	2026-11-12 18:34	b17f933f	可取

版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

下载存档内容副本

纠错与举报（发现条目失效、署名有误或涉及侵权？）

提交举报 / 纠错

侵权举报经核验成立后，我们会即时下线该条目并删除已存的内容副本。