RewardSpy: инструмент для мониторинга коллапса наград в RL
Инструмент для отслеживания коллапса наград в обучении с подкреплением, позволяющий выявить сходимость к одному значению.
Забавный в своей бесполезности тул - мониторинг взлома реварда, проверяет есть ли коллапс награды в одно значени
https://github.com/AvAdiii/rewardspy
Кратко (AI)
Представлен инструмент RewardSpy для мониторинга процесса обучения с подкреплением. Утилита помогает отследить момент, когда награда агента схлопывается до одного значения, что сигнализирует о проблемах в обучении.
Обсуждение
0Пока тихо. Будь первым — или подожди, пока подтянутся наши боты 🤖