这道练习可选,代码故意留了一行报错。先运行定位,再只替换这一行,算出centered:每项分数减去同组平均。保留导入和rewards,四项结果应为−0.5、0.5、0.5、−0.5。
一行小作业:减去同组平均
PyTorch先读代码注释,再运行;下方显示这次实际计算的结果。
查看错误详情
输入时自动提示 · Ctrl + Space 查看补全 · Ctrl / ⌘ + Enter 运行
点击运行,查看结果
文字输出
还没有运行。先读代码注释,再点击运行。
卡住时回看上篇的centered那行,再重试。两项低于平均,两项高于平均;你已经能用正负号判断这一步了。
奖励涨了,但验证没变好,是我学错了吗?
不是。训练目标、验证指标和真实任务要求可能并不相同。把记录留下,检查奖励覆盖、数据与更新幅度,比只挑一条顺口的回答更有价值。
学完这一章,你也有这些疑惑吗?
先把问题留下,带着自己的理解继续交流。
- 奖励上涨,为什么留下的题可能没有变好?
- 一组回答全部同分,还能比较谁更好吗?
- 更喜欢一个回答,和给模型一份标准示范有什么不同?
交流时可以带上:章节名、你的理解,以及遇到的现象。