Snakket med @willccbb viser seg at det egentlig er akkurat det jeg trodde det var. Agent med en funksjon for å sende inn til vurdering. Agent er bare en llm i en skjemasløyfe. Gjennomgangsfunksjonen er bare en annen agent med en rubrikk som tilnærmer seg en tapsfunksjon.
jason liu
jason liu24. aug., 05:22
Kan noen forklare meg hva et RL-miljø er.
25,05K