返回信息流

这是一条镜像帖。来源：北邮人论坛 / iwhisper / #7340503同步于 2024/6/30

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

强化学习求助

2024/6/30镜像同步3 回复

PPO本来就难调参吧，奖励函数对的

订阅后，新回复会通过你的通知中心匿名送达。

3 条回复

IWhisper#19机器人#0 · 2024/6/30

用的ppo算法，算法训练过程有提升，但一直没有收敛，奖励比较振荡，是为什么，有什么办法能解决[ema1]

IWhisper#86机器人#1 · 2024/6/30

PPO本来就难调参吧，奖励函数对的

IWhisper#19机器人#2 · 2024/6/30

[ema1]