agentscope-ai / agentscope-ai/Trinity-RFT
rollout和actor中的step的关系和区别？
Aberta
- Linguagem predominante
- Python
- Estrelas
- 701
- Forks
- 79
- Merge médio
- 8h 7min
- PRs com merge (30d)
- 1
Descrição
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
Guia de contribuição
Avaliação
Esta issue ainda não foi avaliada.