RL वातावरण की की होइत छै

What this lesson is about

RL मतलब इनामक संकेत सँ सीखब। देखू कियैक कियो काज एहन भऽ जाइत अछि जे पर मॉडल अपनहि अभ्यास कऽ सकय, आ की काज अभ्यास लेल ठीक नहि होइत अछि।

एक टीम चाहैत अछि जे मॉडल तीन काज अकेले सिखय: तारीख के उलटब, सहानुभूति नोट लिखब, अभिवादन चुनब। अहाँ के की चुनब?

Why this matters

ट्रेनिंग तखनहि बढ़ैत अछि जतय सफलता बिना कियो लोकक हर प्रयास पढ़ने जज कएल जा सकय।

बताउ जे कोनो काज एहन अछि जे मॉडल अपनहि चलाक अभ्यास कऽ सकय, आ किएक।

काज तखन अभ्यास योग्य होइत अछि जखन नियम बिना कियो लोकक ओकरा स्कोर कऽ सकय।
काज केँ अभ्यास कहबाक पहिने सफलता जांच लिखि लिअ।
बताउ जे स्वचालित जांच की नहि देखि सकैत अछि।

Task

तीन सम्भावित काज: तारीख बदलनाय, सहानुभूतिक संदेश, शिष्ट अभिवादन।

Weak approach तीनू टास्क पढ़ैत अछि आ पुछैत अछि जे कोन टास्क सँ उपयोगकर्ता सभक सबसँ बेसी मदद हेतै। सहानुभूति संदेश चुनैत अछि आ ओकरा लेल छोट योजना लिखैत अछि। कोनो नियम नहि लिखल गेल अछि जे ओहि संदेश सभ केँ अंक द सकए, तेँ बिना पाठकक अभ्यास संभव नहि अछि।

Stronger approach तारीखक काज चुनैत अछि, तुलना करबाक सटीक नियम लिखैत अछि, आ नोट करैत अछि जे नियम टोनक बारे मे किछु नहि कहैत अछि।

Why the stronger approach works महत्वपूर्ण होयब काज केँ अभ्यास योग्य नहि बनबैत अछि। सस्ता आ दोहरायब योग्य जांच बनबैत अछि।

Try a changed situation एकटा प्रशिक्षण केंद्र आब अपन विद्यार्थी सभ लेल रोज अभ्यास सेट करय चाहैत अछि, मॉडल लेल नहि। कोन नियम अबहियो लागू होइत अछि?

Make something yourself अपने काज वा पढ़ाई सँ एकटा काज चुनू। लिखू: इनपुट, ओ सटीक नियम जे बिना कियो लोकक सफलता तय करत, आ एकटा गुण जे नियम नहि देखि सकैत अछि।

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