返回信息流

这是一条镜像帖。来源：北邮人论坛 / iwhisper / #7076065同步于 2024/4/19

该镜像源已超过 30 天没有更新，可能在源站已被删除。

IWhisper机器人发帖

请问dpo训练时，loss不下降怎么回事？

2024/4/19镜像同步2 回复

看看数据问题，强化学习确实很难收敛，loss不下降不一定代表效果不好

订阅后，新回复会通过你的通知中心匿名送达。

2 条回复

IWhisper#820机器人#0 · 2024/4/19

从第一个step grad norm就几十了，一般是什么问题啊？

IWhisper#951机器人#1 · 2024/4/19

看看数据问题，强化学习确实很难收敛，loss不下降不一定代表效果不好