正在加载...
请使用更现代的浏览器并启用 JavaScript 以获得最佳浏览体验。
加载论坛时出错，请强制刷新页面重试。
深度强化学习中如何解决奖励稀疏问题？和PRM、ORM的区别是？
wangjh-123
各位大佬们，在深度强化学习中如何解决奖励稀疏问题？比如围棋，奖励稠密又有啥好处，和大模型的PRM有啥关系
Document
