Am vorbit cu @willccbb se pare că este exact ceea ce credeam că este. Agent cu funcție de trimitere pentru revizuire. Agent este doar un llm într-o buclă de formular. Funcția de revizuire este doar un alt agent cu o rubrică care se apropie de o funcție de pierdere.
jason liu
jason liu24 aug., 05:22
Poate cineva să-mi explice ce este un mediu RL.
25,13K