AI学习记录 - PPO算法草稿

老麦克马猴

已于 2025-03-11 15:57:27 修改

阅读量189

点赞数 1

文章标签：学习

于 2025-03-11 00:10:18 首次发布

版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文链接：https://blog.youkuaiyun.com/weixin_43954090/article/details/146166763

版权

returns

在这里插入图片描述
下面是两种方式生成returns的值，第一种好一点

delta计算方式不一样

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

通过一些计算方式，将未来的一些计算值，赋予到前面去，从而影响将前面的token和后面的token绑定到一起，从而实现每当生成一个tokend的时候，都会考虑到未来的token。
在这里插入图片描述

评论

被折叠的条评论为什么被折叠?

到【灌水乐园】发言

查看更多评论

添加红包

成就一亿技术人!

hope_wisdom

发出的红包

实付元

使用余额支付

点击重新获取

扫码支付

钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。