ModelНе подтверждена
c0ba1t/rl-hf-course-colab
Модель используется для выбора действий агента в среде в задачах обучения с подкреплением. На вход поступает состояние или наблюдение, на выходе формируется решение о действии; совместимая среда, пространство действий и способ оценки результата задаются конкретной реализацией. Для работы с моделью в источнике указаны библиотеки: Stable Baselines3.
Owner / publisherc0ba1t