Esta sección presenta un ejemplo completo de entrenamiento con dos agentes y ejemplos de un uso más avanzado.
Inicio Rápido#
Entrenamiento por Ratio de Longitud
Un ejemplo de entrenamiento con dos agentes con una recompensa basada en el ratio de longitud, que cubre el conjunto de datos, la función de recompensa, la configuración y el bucle de entrenamiento.
Uso Avanzado#
Reanudar el Entrenamiento
Reanudar una ejecución interrumpida o extender una ya finalizada a partir de puntos de control de entrenamiento, con todos los segmentos registrados en una única ejecución de W&B.
Retroalimentación Multi-turno
Entrenamiento de dos turnos en el que una transición externa informa sobre la longitud de la respuesta de cada agente antes de que los agentes la revisen.
Entornos#
Ejemplos más ricos se pueden encontrar en los entornos, que aplican CoMLRL a la escritura, la programación, la planificación de viajes y el uso de herramientas.