このセクションでは、完全な2エージェントの学習実行と、より高度な使用法の例を紹介します。
クイックスタート#
長さ比学習
長さ比報酬を用いた2エージェントの学習例。データセット、報酬関数、設定、および学習ループをカバー。
高度な使用法#
学習の再開
中断した実行の再開または、学習チェックポイントから終了した実行の延長。すべてのセグメントを1つのW&B実行に記録します。
複数ターンのフィードバック
2段階での学習において、外部の遷移が各エージェントの応答長を、エージェントが修正する前に報告します。
環境#
より詳細な例は、環境にあります。CoMLRLは、執筆、コーディング、旅行計画、およびツールの使用に適用されます。