Tópicos populares
#
Bonk Eco continues to show strength amid $USELESS rally
#
Pump.fun to raise $1B token sale, traders speculating on airdrop
#
Boop.Fun leading the way with a new launchpad on Solana.
Adicionar uma maneira agradável de visualizar o objetivo PPO ao livro rlhf. O núcleo para o policy-gradient é L~ R*A (R=razão de política, A = vantagem).
Tornar boas ações mais prováveis até um certo ponto.
Tornar más ações menos prováveis até um certo ponto.
O min(...), & sinal de adv determinam qual linha.

9,35K
Top
Classificação
Favoritos