请教大家一个基础问题，大家是如何在强化学习中快速调优参数性能？
PonyShan 强化学习的参数众多，且训练数据非IID（独立同分布），模型训练不好收敛，不好复现。我一般是看reward，如果reward稳步提升到一定程度，且epsilon逐步下降，loss也稳步下降。大概就是可以获得一个较满意的模型。 训练时先确认好基线（非RL训练的模型）的reward，训练结果与基线相比，再进行其他手段的调优，如调整学习率，reward-clipping等，调整学习次数等。
panda_rose 感谢分享，我再试试
