困难RLPPO

实现 PPO Clipped Objective

请按照下方输入/输出格式实现 solve。

为每个动作计算 PPO clipped surrogate 项并返回平均值。将 ratio 截断到 1 加减 epsilon 后再与 advantage 相乘。

Ratios 和 advantages 长度相同且不为空。将标量结果四舍五入到六位小数。

示例 1

输入

{"ratios":[1.2,0.8,1.05],"advantages":[1,-1,2],"epsilon":0.2}

预期输出

0.833333

示例 2

输入

{"ratios":[0.5,1.5],"advantages":[1,-1],"epsilon":0.2}

预期输出

-0.5

Python 3 · 标准输入 / 标准输出

运行会检查可见示例，提交会检查完整测试集。

登录并提交后，你的提交记录会显示在这里。