训练实践:batch size 4 实际是每步约 80 条轨迹
cephaloform · x · 2026-09-14
作者在跑某种强化学习/轨迹采样训练，发现「batch size 4」实际对应每步约 80 条独立轨迹；目前在参考任务上做 batch size 4、10 步的测试，性能虽可能只是噪声但初步显示有效，准备扩展到 batch size 16(约 320 条轨迹)。
「研究」频道最新
- 研究者激辩：AI 破解癌症若实证有效，arXiv 该不该拒收 — IanArawjo · 2026-09-14
- EMNLP 论文提出 cESA 标注协议,已用于 WMT26 评测 — zouharvi · 2026-09-14
- cESA协议：一次对照标注多个译文，更快更稳的机器翻译人工评测 — zouharvi · 2026-09-14
- 把评测当老虎机：动态分配标注预算，优先评最优模型 — zouharvi · 2026-09-14
- WMT评测工具Pearmut取代Appraise，三项评测方法将亮相EMNLP — zouharvi · 2026-09-14
- Pearmut：让翻译人工评测像自动评测一样容易跑的开源平台 — zouharvi · 2026-09-14