最新

强化学习（RL）生态系统正在成熟——验证者正在标准化我们构建和共享环境的方式。然而，随着生态系统的发展，我们需要能够真正理解强化学习基本概念的可观察性工具。没有对执行质量、奖励分布或失败模式的可见性来进行强化学习实验，是一种浪费时间的行为。 Monitor 提供实时跟踪、逐个示例检查和程序化访问——让你在运行过程中看到发生了什么，并在之后调试出错的原因。 未来的强化学习可观察性可能会是这样的：你与模型并行工作，通过在不同的节点调整组件，生成多个版本的环境，就像在进行强化学习实验时使用 git 工作树一样。