Tópicos populares
#
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 estão a convergir para usar o vllm v1 logprob para a razão de importância para resolver o problema de estabilidade.
Acho que tenho PTSD deste tipo de crash de RL.
22/08, 23:35
Com apenas algumas linhas de código, a solução sugerida por Feng (@fengyao1909) — aplicar amostragem de importância na política de comportamento — resolveu a instabilidade do treinamento no meu caso (oat). Acredito que o resultado pode ser generalizado para outras estruturas de RL também. Ótimo trabalho, Feng!
6,35K
Top
Classificação
Favoritos