मेसिन अनुवाद गरिएको। अंग्रेजी र हिन्दी समीक्षा गरिएका संस्करणहरू हुन्।English हिन्दी

Learn
See
Try
Make

RL वातावरण भनेको के हो

What this lesson is about

RL भनेको पुरस्कार संकेतबाट सिक्ने प्रक्रिया हो। कसरी कुनै काम मोडेलले आफैं अभ्यास गर्न सक्ने बनिन्छ र कुन काम उपयुक्त हुँदैन हेर्नुहोस्।

एउटा टोलीले मोडेललाई तीन कामहरू आफैं सिकाउन चाहन्छ: मितिहरू उल्ट्याउने, सहानुभूति नोट लेख्ने, अभिवादन छान्ने। कुन छान्नुहुन्छ?

Why this matters

प्रशिक्षण पछि मात्र त्यहाँ बढ्छ जहाँ सफलतालाई बिना मान्छेको मूल्याङ्कन गर्न सकिन्छ।

कुन काम मोडेलले आफैं चलाएर अभ्यास गर्न सकिन्छ र किन भन्ने बताउनुहोस्।

काम तब मात्र अभ्यासयोग्य हुन्छ जब नियमले बिना मान्छेको स्कोर दिन सक्छ।
कामलाई अभ्यास भन्नुअघि सफलताको जाँच लेख्नुहोस्।
स्वचालित जाँचले के देख्दैन भनेर नामाकरण गर्नुहोस्।

Task

तीन सम्भावित कामहरू: मिति परिवर्तन, सहानुभूति सन्देश, शिष्ट अभिवादन।

Weak approach तीनै कामहरू पढ्छ र सोध्छ कुनले प्रयोगकर्तालाई सबैभन्दा धेरै मद्दत पुर्‍याउनेछ। सहानुभूतिको सन्देश छान्छ र त्यसका लागि छोटो योजना लेख्छ। ती सन्देशहरूलाई अंक दिन सक्ने कुनै नियम लेखिएको छैन, त्यसैले पाठक बिना अभ्यास गर्न सकिँदैन।

Stronger approach मिति परिवर्तन छान्छ, तुलना गर्ने ठ्याक्कै नियम लेख्छ, र नियमले स्वरको बारेमा केही नबोल्ने कुरा उल्लेख गर्छ।

Why the stronger approach works महत्त्वपूर्ण हुनु कामलाई अभ्यासयोग्य बनाउँदैन। सस्तो र दोहोर्याउन सकिने जाँचले बनाउँछ।

Try a changed situation अब एउटा प्रशिक्षण केन्द्रले मोडेलको लागि होइन, आफ्ना विद्यार्थीहरूको लागि दैनिक अभ्यास सेट गर्न चाहन्छ। कुन नियम अझै लागू हुन्छ?

Make something yourself आफ्नो काम वा अध्ययनबाट एउटा काम छान्नुहोस्। इनपुट, बिना मान्छेको सफलताको निर्णय गर्ने ठ्याक्कै नियम, र त्यो नियमले नदेख्ने एउटा गुण लेख्नुहोस्।

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