nouvel article de blog après longtemps ! dans cette série, je vais parler de la façon de résoudre l'apprentissage par renforcement pour des tâches à long terme, de manière incrémentale à partir des approches les plus simples. (lien dans les réponses !) dans la partie I de cette série, nous lançons l'apprentissage par renforcement sur le cube dans sa forme la plus directe et brute et nous armons l'échec lui-même. l'objectif de ce blog est d'observer les erreurs de l'apprentissage par renforcement se produire au ralenti et de voir comment la rareté des récompenses se transforme en un cauchemar d'effondrement de politique, pourquoi l'exploration peut suffoquer dans des espaces à long terme, et ce qui se passe en coulisses lorsqu'un modèle semble confiant tout en restant fondamentalement perdu ! un grand merci à @willccbb et @PrimeIntellect pour le sponsoring :) verifiers est un outil incroyable et je leur souhaite le meilleur.