diferente do pré-treinamento, o pós-treinamento em RL é um processo muito ativo e envolvente. você tem que estar monitorando rollouts, ajustando recompensas,…
Ver original
Esta página pode conter conteúdo de terceiros, que é fornecido apenas para fins informativos (não para representações/garantias) e não deve ser considerada como um endosso de suas opiniões pela Gate nem como aconselhamento financeiro ou profissional. Consulte a Isenção de responsabilidade para obter detalhes.
10 Curtidas
Recompensa
10
5
Repostar
Compartilhar
Comentário
0/400
FantasyGuardian
· 23h atrás
O projeto de treinamento é tão cansativo.
Ver originalResponder0
NeonCollector
· 23h atrás
rl realmente me deixou cansado
Ver originalResponder0
HodlNerd
· 23h atrás
é fascinante como a teoria dos jogos se encontra com a otimização iterativa aqui, para ser sincero
Ver originalResponder0
SerumDegen
· 23h atrás
ngmi com esses lançamentos rl... mesa de negociação necessária já
Ver originalResponder0
DaoGovernanceOfficer
· 23h atrás
*sigh* monitorização ativa ≠ design ótimo da função de recompensa. leia sutton & barto.
diferente do pré-treinamento, o pós-treinamento em RL é um processo muito ativo e envolvente. você tem que estar monitorando rollouts, ajustando recompensas,…