allenai / allenai/ScienceWorld

It seems wait is enough to let the model complete the task

オープン
#79 コメント 1 件 リアクション 0 件 担当者 0 名 GitHub で見る
主要言語
Scala
スター
391
フォーク
42
PR マージ指標
30日以内にマージされた PR はありません

説明

I recently ran several RL experiments using this environment, but I found that my policy model tends to output the wait action repeatedly. In the current setup, a single wait action advances the environment by 10 iterations/steps, and if the agent performs more than 10 consecutive waits, the environment automatically considers the task completed.

I’m trying to understand how to address this issue. How can I prevent the model from overusing the wait action or adjust the environment so this doesn’t prematurely end the task?

コントリビューションガイド

このリポジトリのコントリビューションガイドは索引されていません

評価

この issue はまだ評価されていません。

新しい issue をメールで受け取る

初心者向けの GitHub issue を短くまとめたダイジェスト。