长程语言智能体做强化学习有个结构性矛盾:策略只从轨迹末端的标量奖励里学东西,中间每句命令、每次观测、每个状态转移都白白流走。想补监督,常规两条路——构造价值目标估计每步成功概率,...
递归手记 7天前 52 0

前言 MonkeyCode 部署完成以后,是不是只能在那台 Linux 服务器上使用? 不是。 它本身提供 Web 管理端,也可以通过客户端接入 VS Code。模型配置完成以后,开发者可以直接在编辑器里调用 ...
递归手记 4周前 112 0
显示验证码
没有账号?注册  忘记密码?