wanghz123

这家伙很懒，什么都没留下

W

W wanghz123 这家伙很懒，什么都没留下

发布于2025-05-06 17:59:16

离线强化学习loss和收益的关系
目前在用离线强化学习算法 cql 做项目，缺少实际测试环境来验证策略，那么怎么根据模型的 critic loss 和 actor loss 判断模型是否收敛呢？目前发现 actor loss 在上升，但是通过对输出动作分析，发现还是学到了一些对的策略，但...

赞

评论

浏览 150

水区