Yi-Ci

这家伙很懒，什么都没留下

Yi-Ci 这家伙很懒，什么都没留下

发布于2023-11-01 23:51:42

Help~
请教一个问题，“After RL training, 得到的模型中可能包括多个最优解（Policy）和一个 value function。”这个结论是否正确。

赞

评论 3

浏览 416

论文研讨