на відміну від попереднього навчання, RL посттренування є дуже активним залученим процесом. вам потрібно контролювати виводи, коригувати винагороду,…

Переглянути оригінал
Ця сторінка може містити контент третіх осіб, який надається виключно в інформаційних цілях (не в якості запевнень/гарантій) і не повинен розглядатися як схвалення його поглядів компанією Gate, а також як фінансова або професійна консультація. Див. Застереження для отримання детальної інформації.
  • Нагородити
  • 5
  • Репост
  • Поділіться
Прокоментувати
0/400
FantasyGuardianvip
· 23год тому
Тренувальні заняття дуже виснажливі.
Переглянути оригіналвідповісти на0
NeonCollectorvip
· 23год тому
rl справді набридло.
Переглянути оригіналвідповісти на0
HodlNerdvip
· 23год тому
вражаюче, як теорія ігор зустрічається з ітеративною оптимізацією тут, чесно кажучи
Переглянути оригіналвідповісти на0
SerumDegenvip
· 23год тому
ngmi з цими rl розгортаннями... потрібен торговий стіл терміново
Переглянути оригіналвідповісти на0
DaoGovernanceOfficervip
· 23год тому
*с sigh* активний моніторинг ≠ оптимальний дизайн функції винагороди. читайте Саттона & Барто.
Переглянути оригіналвідповісти на0
  • Закріпити