4/6 Эксперименты в реальных условиях

Каждое задание начинается всего с 10 реальных демонстраций с телеуправлением — слишком мало, чтобы самостоятельно обучить политику (средний показатель успеха — 16,7%). Затем мы добавляем симуляционные демонстрации того же задания: либо все 1 200, либо 600, отобранных методом курирования, всегда в одинаковом соотношении реальных и симуляционных данных https://t.co/TbOBCevz1W