Repository Issue Activity (beta)

#80 Chapter 1: rollout/ep_rew_mean is not comparable between 1-ppo_cartpole.py and 2-pytorch_ppo.py (different averaging window and x-axis)

#78 是否考虑增加OPD相关的章节

#77 开头的强化学习导论的link配置错误

#65 The English version of the book is in chinese

#54 Value Iteration 中终端状态值的设定方式

#75 关于示例代码：sequence_logprob的问题

#6 【提问】为什么 rlhf 到 dpo 是从四个模型砍到两个模型了

#45 讨论：贝尔曼方程一节中“围棋”例子的选择

#70 Issacsim requires python>=3.11

#63 《1.3 动手：PPO 训练可视化》的训练代码是否有误？

#61 Part I: Cartpole入门 1.0 显示页面不存在

#59 非常全面的RL教程！！推荐我们的 MOLT RL Infra 9k行代码跑1T MoE 极其适合教学使用

#51 Feature Request: Add translations, complete remaining RL chapters, and restore the DPO section

#41 在线阅读内容顺序是乱的

#46 value-experiment表格显示效果小问题

#55 5.2.4节存在错误

#56 1.2 章节的 图1-4描述有误

#44 Language Setting Issues

#47 添加 colab 运行版本

#40 完整 RLHF 流水线

#27 关于文章中有关GRPO KL loss的源码实现的问题

#34 7.2 PPO的推导大部分篇幅重复

#13 这个描述有点太随意

#32 Alleglam alignment is not working as expected

#31 需要简单介绍一下每个experiment的setting