标签: #재현성

← 全部文章

• 强化学习评估：训练球与评估球、多个随机种子的中位数、汇报最后的值、基准线

  强化学习的结果如果只看单个随机种子、只看表现最好的一次，很容易被夸大。我们重新阅读了第 11~14 篇中的 48 次训练，用数字对评估规则进行了检查。在相同配置下，根据种子的不同，成功率在 42% 和 84% 之间分化；如果选择训练过程中表现最好的评估值，中位数比最后的值最多高出 14 个百分点。虽然训练使用的球和未使用的球之间的差异较小，中位数为 0.7 个百分点，但如果迁移到物理特性略有不同的“实物”环境中，成功率则下降了 10 个

  2026-10-18 · 10 分钟阅读 #탁구 로봇#강화학습#평가#재현성#시드