Njx'Log
|
English
文章
报告
归档
搜索
关于
主页
标签
tis
同一个模型,两个概率:训练推理不一致的代价
rollout 与训练用不同引擎,同一个模型算出两个概率,on-policy 悄悄变成 off-policy。差异从哪来、代价是什么、怎么补。