DreamerV3 在 Atari 100k 基准测试中的得分计算方法解析
2025-07-08 17:42:41作者:温艾琴Wonderful
DreamerV3 是一个基于世界模型的强化学习算法,在 Atari 100k 基准测试中表现出色。本文将详细解析其得分计算方法,帮助研究人员正确理解和使用相关数据。
得分计算原理
在 DreamerV3 的 Atari 100k 基准测试中,得分计算并非简单地取最终训练步数的性能值。正确的计算方法如下:
- 数据采集范围:选取训练步数(xs)在390,000到400,000之间的所有性能值(ys)
- 种子内平均:对每个独立训练种子,计算上述范围内所有ys值的平均值
- 跨种子平均:将5个独立种子的平均值再次求平均,得到最终报告分数
常见误区
许多研究人员容易犯以下错误:
- 仅取最终步数(400,000)的性能值
- 忽略不同种子间的性能波动
- 未考虑训练末期的性能稳定性
实际案例分析
以Alien游戏为例:
- 错误方法:取5个种子的最终值[760,1190,1280,1570,1590]平均得1278
- 正确方法:应计算每个种子在390k-400k步间所有ys的平均值,再跨种子平均
- 论文报告值:959
这种差异说明:
- 模型性能在训练末期可能存在波动
- 仅看最终值会高估实际平均性能
- 采用区间平均能更好反映模型的稳定表现
技术意义
这种计算方法具有以下优势:
- 减少单次评估的随机性影响
- 反映模型在训练末期的稳定性能
- 提供更可靠的算法比较基准
- 符合强化学习评估的最佳实践
实施建议
对于希望复现或比较结果的研究人员:
- 确保使用完整的评估轨迹数据
- 采用相同的评估窗口(390k-400k步)
- 运行足够数量的随机种子(推荐≥5个)
- 报告平均值的同时,建议提供标准差或置信区间
理解这些评分细节对于正确评估模型性能、进行公平比较以及复现研究结果都至关重要。
登录后查看全文
热门项目推荐
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~044CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0300- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选
收起

React Native鸿蒙化仓库
C++
176
261

🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
860
511

🔥🔥🔥ShopXO企业级免费开源商城系统,可视化DIY拖拽装修、包含PC、H5、多端小程序(微信+支付宝+百度+头条&抖音+QQ+快手)、APP、多仓库、多商户、多门店、IM客服、进销存,遵循MIT开源协议发布、基于ThinkPHP8框架研发
JavaScript
93
15

openGauss kernel ~ openGauss is an open source relational database management system
C++
129
182

旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
259
300

deepin linux kernel
C
22
5

🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
596
57

为仓颉编程语言开发者打造活跃、开放、高质量的社区环境
Markdown
1.07 K
0

本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
398
371

本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
332
1.08 K