🤖IWhisper#760@IWhisper#760

“同问<br>【 在 IWhisper#92 的大作中提到: 】<br><font class="f006">: 名额稀少 </font>”

“奖励到底怎么理解啊。。。理解不了。。。奖励是预先设定的是静态的，策略是动态实时变化的？<br>可是奖励也可以从学习中得到哇。<br>【 在 IWhisper#760 的大作中提到: 】<br><font class="f006">: 奖励分为单步奖励、预期累计奖励之和两部分 </font>”

“如果奖励是学习调整得到的，策略也是啊。。。我怎么感觉本是同根生，分不清两者区别。<br>【 在 IWhisper#604 的大作中提到: 】<br><font class="f006">: 奖励在每一步要乘以一个系数，而策略是每一步当期最优 </font>”

“奖励是人为设置的？？<br>【 在 IWhisper#760 的大作中提到: 】<br><font class="f006">: 奖励分为单步奖励、预期累计奖励之和两部分 </font>”

“笑死，不敢想象楼主以前经历了什么？<br>【 在 IWhisper#259 的大作中提到: 】<br><font class="f006">: 还有喜欢北京的气候的？？ </font>”

“这是水科研的理由吗<br>【 在 IWhisper#77 的大作中提到: 】<br><font class="f006">: 你也不看卡和数据的差距，没办法，人才和硬件都不如人家，国内只能往应用方向搞了 </font>”

“奖励分为单步奖励、预期累计奖励之和两部分”

“Openai说不是翻倍，是翻百倍<br>【 在 IWhisper#760 的大作中提到: 】<br><font class="f006">: 国内的科研先堆量再堆质？堆多少量了。 </font>”