agentscope-ai / agentscope-ai/Trinity-RFT
rollout和actor中的step的关系和区别？
オープン
- 主要言語
- Python
- スター
- 701
- フォーク
- 79
- 平均マージ
- 8時間 7分
- マージ済み PR（30日）
- 1
説明
请问rollout和actor中的step的关系和区别？
我之前的理解是，rollout的一个step对应buffer.batch_size个task
actor的一个step对应的是buffer.train_batch_size个experience
```
buffer:
batch_size: 1
train_batch_size: 32
```
假如我按上面的config，用在mutistep agent react场景 grpo
我的每一个task平均生成5个experience
基于上面的配置，也就是我需要rollout执行6～7个step（生成32个左右的experiences），才能执行一次actor step。
基于这种背景，actor的step应该比rollout的step明显少才对？
但是实际发现，actor的step和rollout的step相当，甚至比rollout更多？这是为什么？我上面哪个地方理解错了吗？
跟repeat_times有关系吗？algorithm.repeat_times和explorer.max_repeat_times_per_runner我都设置的8
コントリビューションガイド
評価
この issue はまだ評価されていません。