شفرة RL: التعلم المعزز على السياسة ينسى أقل من التدريب على البيانات الموقعة.

حتى عند الدقة المتطابقة، يظهر التعلم المعزز نسيانًا كارثيًا أقل

النتائج الرئيسية:
1) RL يميل إلى "نسيان" أقل من SFT
2) التعلم المعزز على السياسة (PPO) ينسى أقل من التعلم المعزز خارج السياسة (DQN)
3) حتى مع دقة متطابقة، يُظهر RL نسيانًا كارثيًا أقل