Maswali yanayounganishwa na mwongozo · Kati Kiwango

Maswali ya Kujifunza ya Kuimarisha Nje ya Mtandao

Gundua uimarishaji wa uimarishaji wa mkusanyiko wa data, mabadiliko ya usambazaji, na mbinu wakilishi za kihafidhina na za kuunda mfuatano.

Njia za mwongozo zinazohusianaMafunzo ya Kuimarisha Nje ya Mtandao
Swali 1 ya 8

Ni nini hufafanua mafunzo ya kuimarisha nje ya mtandao (bechi)?

Hakiki kila swali8 maswali

Majibu na maelezo huonekana unapojibu maswali.

  1. Ni nini hufafanua mafunzo ya kuimarisha nje ya mtandao (bechi)?
    • Kujifunza kutoka kwa mkusanyiko wa data usiobadilika bila mwingiliano mpya wa mazingira
    • Kujifunza kupitia uchunguzi endelevu wa moja kwa moja pekee
    • Mafunzo bila ishara yoyote ya malipo
    • Kuendesha makisio bila modeli yoyote
  2. Je, changamoto kuu ya kiufundi katika RL ya nje ya mtandao ni ipi?
    • Ukosefu wa data yoyote
    • Kuhama kwa usambazaji na kukadiria kupita kiasi kwa vitendo vya nje ya usambazaji
    • Ugunduzi mwingi wa mtandaoni
    • Vigezo vichache sana kwenye mtandao
  3. What does D4RL provide to researchers evaluating offline reinforcement-learning algorithms?
    • A guarantee that an offline policy is safe to deploy
    • A new optimizer that removes the need for logged data
    • A benchmark suite of datasets and tasks for offline RL evaluation
    • A dataset containing only online interactions collected by each test policy
  4. Je, Mafunzo ya Kihafidhina ya Q-Learning (CQL) yanapambana vipi na ukadiriaji kupita kiasi?
    • Kwa kupandisha thamani kwa vitendo visivyoonekana
    • Kwa kuondoa thawabu kabisa
    • Kwa kuchunguza zaidi katika ulimwengu wa kweli
    • Kwa kuhalalisha thamani za Q kwa vitendo vya nje ya usambazaji
  5. Je, Kibadilisha Uamuzi kinawekaje upya muundo wa RL nje ya mtandao?
    • Kama uundaji wa mfuatano ambao hutabiri vitendo vilivyowekwa kwa kurudi unayotaka
    • Kama mkusanyiko wa majimbo
    • Kama utafutaji wa nasibu safi
    • Kama uainishaji wa picha unaosimamiwa
  6. Kwa nini algoriti za kawaida za mtandaoni za RL haziwezi kutumika kama zilivyo nje ya mtandao?
    • Hawana mtandao wa neva
    • Hawawezi kukusanya data ya kurekebisha ili kurekebisha ukadiriaji wa thamani kupita kiasi
    • Kamwe hawatumii tuzo
    • Hawahitaji sera
  7. How does BCQ reduce reliance on actions absent from an offline dataset?
    • It adds random actions to every training transition
    • It assumes every action has been observed equally often
    • It constrains candidate actions to stay near actions the dataset supports
    • It removes the action-value function and reward
  8. What value-learning method is central to the cited Implicit Q-Learning paper?
    • Maximum-likelihood fitting of a language tokenizer
    • Uniform regression over actions sampled from a live environment
    • A supervised image-classification loss
    • Expectile regression over values associated with dataset actions