OpenAIが強化学習アルゴリズムProximal Policy Optimization（PPO）を発表

要点：OpenAIは、実装とパラメータ調整が容易で、既存の最先端手法と同等以上の性能を持つ新しい強化学習アルゴリズム「PPO」を公開しました。その扱いやすさから、同社の標準的なアルゴリズムとして採用されています。