в отличие от предобучения, RL постобучение — это очень активный процесс. вам необходимо следить за ролловтами, настраивать награды,…

Посмотреть Оригинал
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
  • Награда
  • 5
  • Репост
  • Поделиться
комментарий
0/400
FantasyGuardianvip
· 23ч назад
Тренировки очень утомляют.
Посмотреть ОригиналОтветить0
NeonCollectorvip
· 23ч назад
rl действительно измотал меня
Посмотреть ОригиналОтветить0
HodlNerdvip
· 23ч назад
удивительно, как теория игр встречается с итеративной оптимизацией здесь, если честно
Посмотреть ОригиналОтветить0
SerumDegenvip
· 23ч назад
ngmi с этими rl развертываниями... торговый стол нужен срочно
Посмотреть ОригиналОтветить0
DaoGovernanceOfficervip
· 23ч назад
*вздыхает* активное мониторинг ≠ оптимальное проектирование функции награды. читайте Саттона и Барто.
Посмотреть ОригиналОтветить0
  • Закрепить