норм, но устаешь быстро

Танцоры часто так перемещаются. И да даже за это получают повышенный реворд

Опа дрица гоп ца ца а сегодня пятница

@чат во славу популяризации RL есть следующее предложение....

вводная:
- мы делаем разбор статей по RL через презентации и доклады
- ods делает разбор статей по DL через хабропосты

предложние:
почему бы по окончании доклада не подготавливать краткую выжимку, аля article essence из ods и, собственно,  выкладывать потом на хабр мини-обзоры еще и по RL?

Мини-обзоры вместе с видосами

а логотип будет :D

надо, чтобы он dab делал

dab is so 2015

Пост про Population Based Training. Принцип для поиска оптимальных  гиперпараметров в deep learning.
https://vk.com/wall-914531

Population based training(PBT) uses a similar approach to random search by randomly sampling hyperparameters and weight initializations. Differently from the traditional approach, PBT runs each training asynchronously and evaluates its performance periodically. If a model in the population is under-performing, it will leverage the rest of the model population and replacing itself with a more optimal model. At the same time, PBT explores new hyperparameters by modifying the better model’s hyperparameters, before training is continued.

В WordlModels написали "To train our V model, we first collect a dataset of 10,000 random rollouts in the environment."
Это значит 10к игр сыграли или 10к фреймов собрали?

думаю игр

просто тогда одна игра с рандомной политикой идет 1000 фреймов, и в итоге получается 10миллионов фреймов примерно 100гигов данных,
чтобы обучить VAE..

Это чем-то отличается от эволюционных стратегий? Звучит похоже оч

Написал Хардмару он пояснил:

Попробую тогда с 1к обучить но даже это много кажется для VAE

А здесь что-нибудь мешает использовать не RL, а какие-нибудь ручные эвристики?