डिसीजन ट्रांसफॉर्मर

ऑफ़लाइन डेटासेट

एक स्थिर डेटा सेट जिसमें व्यवहारिक नीति द्वारा एकत्रित ट्रैजेक्टरीज़ (स्थितियाँ, क्रियाएँ, पुरस्कार) शामिल होती हैं, जिसका उपयोग ऑफ़लाइन प्रशिक्षण के लिए किया जाता है।

← पीछे