タグ: #기준선

← すべての記事

• 強化学習の評価：学習用ボールと評価用ボール、複数シードの中央値、最後の値の報告、ベースライン

  強化学習の結果は、1つのシードや最も良かった瞬間だけを見ると簡単に誇張されてしまいます。第11〜14話の学習48回を読み直し、評価のルールを数値で検証しました。同じ設定であっても、シードによって成功率が42%と84%に分かれ、学習中最も良かった評価値を選ぶと、最後の値よりも中央値が最大14%p高くなりました。学習に使ったボールと使っていないボールの差は中央値0.7%pと小さかったものの、物理法則が少し異なる「実物」に移行すると10%p低

  2026-10-18 · 10 分で読めます #탁구 로봇#강화학습#평가#재현성#시드