近接方策最適化

強化学習アルゴリズムの一種で、ポリシー更新を制限することで学習を安定させます。AIアライメントに用いられ、有害コンテンツ生成リスクを低減し、AIサービスの継続性と信頼性を確保します。NIST AI RMFなどで重要視されます。