PPO

导师-学生强化学习：面向鲁棒深度伪造检测的动态课程

Tutor-Student Reinforcement Learning: A Dynamic Curriculum for Robust Deepfake Detection

将深度伪造检测的训练过程建模为马尔可夫决策过程，用PPO智能体根据样本的视觉特征和历史学习动态（EMA损失、遗忘次数）动态分配损失权重，这种基于强化学习的动态课程策略可迁移到其他需要鲁棒泛化的视觉任务中。