AGI Hunt· LiTianleli·· 3 小时前AI 评分54
Thinking Machines 发布 StableReinforce 以提升 off-policy RL 训练稳定性
Thinking Machines 推出 StableReinforce,解决 off-policy RL 突然崩溃
AI 导读
Thinking Machines 的 Tinker 平台发布 StableReinforce(alpha)，用于缓解 off-policy 强化学习中的采样陈旧和训练与采样数值精度不一致问题。
来源：AGI Hunt · agihunt.info