一位用户正在为 6x6 版奥赛罗训练 AlphaZero 模型，但遇到了性能问题。尽管模型之间相互改进，但它们并不比基准代理显著更好，对贪婪代理的胜率低于 10%。用户已经分析了训练数据，包括价值损失、预测熵和策略分歧，并正在寻求关于超参数调整的建议，以解决模型的糟糕性能。 AI
影响 用户寻求改进强化学习代理的训练方法。
排序理由 用户正在分享模型训练数据和性能问题的研究/分析。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
<table> <tr><td> <a href="https://www.reddit.com/r/MachineLearning/comments/1tvw6sc/analysis_of_alphazero_training_data_d/"> <img alt="Analysis of AlphaZero training data [D]" src="https://preview.redd.it/gjby4omfp35h1.png?width=140&height=105&auto=webp&s=37f0a120a7f8…