存在 replay buffer 里面的是 buffer action，因此必须搞定 action 和 buffer action 之间的关系。
然后就可以 hack action、hack buffer action，fake 一个 episode 了。
- 正在追寻dolce
- 2 年，4 月前
- 2022年2月15日 12:19
- 卡主
- 正在追寻dolce
- 2 年，4 月前
- 2022年2月15日 18:50
- 卡主
两个sad的事：1. 寒假学校现在还没组队成功；2. 刚刚发现 reward function 搞反了（？）
- 正在追寻dolce
- 2 年，4 月前
- 2022年2月15日 22:56
- 卡主
还差一个collect rollout的修改
谁能成为意见领袖？
语不惊人死不休
舍您其谁
© 行恒 2013
中午再登小号回一下隔壁专业的同学，他不知道他加的是我的小号… 现在专心调程序。