Tópicos em alta
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Parece que outras pessoas convergem para usar vllm v1 logprob para a proporção de importância para corrigir o problema de estabilidade.
Acho que tenho PTSD desse tipo de acidente de rl
22 de ago., 23:35
Com apenas algumas linhas de código, a correção sugerida por Feng (@fengyao1909) - aplicando amostragem de importância na política de comportamento - resolveu a instabilidade de treinamento no meu caso (oat). Acredito que o resultado também pode ser generalizado para outras estruturas de RL. Ótimo trabalho, Feng!
6,34K
Melhores
Classificação
Favoritos