干的像沙漠般的一篇,关于 RL Terms.
RL 术语很多,且不好理解,例如:
policy, state, action
rewardreturn, value, advantage
baseline, TD error, GAE
clipping, KL
这篇用一个例子把 RL 的术语写给 LLM 读者 (依然太干了,RL 真的很难写得生动有趣)
干的像沙漠般的一篇,关于 RL Terms.
RL 术语很多,且不好理解,例如:
policy, state, action
rewardreturn, value, advantage
baseline, TD error, GAE
clipping, KL
这篇用一个例子把 RL 的术语写给 LLM 读者 (依然太干了,RL 真的很难写得生动有趣)
https://x.com/i/article/2115385031132635138View quoted post on X