作者您好，我在复现工作的时候，发现模型response中会不受控制地讲一些意义不清的话，请问您是如何处理的嘛，或者有什么经验嘛 对于yaml超参，我没有做任何改动，只是在一台4卡h200机器上做复现 p.s.看到您博客里面也提到在多个step中遇到了这个问题，故请教学习一下，这是rl的不稳定的问题嘛，还是说这种情况纯看脸？我在30几步step就开始胡言乱语了
作者您好，我在复现工作的时候，发现模型response中会不受控制地讲一些意义不清的话，请问您是如何处理的嘛，或者有什么经验嘛
对于yaml超参，我没有做任何改动，只是在一台4卡h200机器上做复现
p.s.看到您博客里面也提到在多个step中遇到了这个问题，故请教学习一下，这是rl的不稳定的问题嘛，还是说这种情况纯看脸？我在30几步step就开始胡言乱语了