RL ماحول چھ کیا ہے

What this lesson is about

RL منز انعام چھ سٲتھ سیکھنا۔ وٲکھو کہ کیٚس طرح اک کم ماڈل آپٲنٛس پر مشق کرنٛہ منز بدلٲوٚن، تہ کیٚس کم چھ نا موزوں۔

ایک ٹیم چاہتھ ماڈل تہند تین کم اکیلے: تاریخ وارپ کرن، ہمدردی خط لکھن، سلام چُنن۔ تُہند کون چھُن؟

Why this matters

بعد منز تربیت اوہ منز بڑھنٛہ چھ جتھٕہ کامیابی بغیر انسان ژٲنٛس پڑھنٛہ پرکھٲن۔

بتٲو کہ کٲس کم منز مشق بنٲنہ چھ جو ماڈل آپٲنٛس چلاوٚن، تہ کیوں۔

بعد منز تربیت اوہ منز بڑھنٛہ چھ جتھٕہ کامیابی بغیر انسان ژٲنٛس پڑھنٛہ پرکھٲن۔

کم تربیت لائق چھ جب اک قانون بغیر انسان ژٲنٛس اسٲن سکور کرٲن۔
کسی کم ژٲنٛہ مشق کہٲنٛہ سٲتھ پہلے کامیابی ژٲنٛہ چیک لکھٲو۔
نٛام لو کہ اوہ خودکار چیک کیٚس چیز نہ وٲکھٲن۔

Task

تین ممکنہ کم: تاریخ بدلن، ہمدردی ژٲنٛہ پیغام، شائستہ سلام۔

Weak approach تِنُہ ژٔند کام پڑھتھ تہ پوچھتھ کہ کِیہ ژٔند سبس ژٔادہ مدد کرن والا ہٲ۔ ہمدردی ژٔند پیغام چُنٛن تہ اوس ژٔند چھوٹ چھوٹ پلان لکھن۔ کوئی ایسٛا قانون نہ لکھیو ژٔیہ پیغام ژٔند نمبر دیون، تہ بٲغٛر قاری کے کوئی مشق نہ ہو سکٲ۔

Stronger approach تاریخ کم چُنٲن، موازنہ ژٲنٛہ ٹھیک قانون لکھٲن، تہ لکھٲن کہ یم قانون لہجے ژٲنٛہ کچھ نہ کہٲن۔

Why the stronger approach works اہم ہونا کم تربیت لائق نہ بنٲن۔ سستا چیک دہرانٛہ قابل بنٲن۔

Try a changed situation اک تربیتی مرکز ہٲن چاہٲن تہ روزانہ مشق اپنے طلبہ ژٲنٛہ مقرر کرٲو، ماڈل ژٲنٛہ نہ۔ کیٚس قانون ہٲن بھی لاگو؟

Make something yourself اپٲنٛ کام یا پڑھٲٚئی منز سٲتھ اک کم چُنٲ۔ لکھٲو انپٹ، ٹھیک قانون جو بغیر انسان ژٲنٛس کامیابی فیصلہ کرٲن، تہ اک خاص بات جو اوہ قانون نہ وٲکھٲن۔

Read the primary or official source: Towers et al., Gymnasium: A Standard Interface for Reinforcement Learning Environments (arXiv)