Попался на эту петлю гэмблинга!

Но в реале все было плаченвнее, Grok 4.6 решил, что у нас бесконечное число сабмитов, и за 13 часов до конца соревы начал пушить BC + PPO, все недоученные! Ох как я сгорел, ох как я сгорел 🔥🔥🔥

Сижу в одном рейтинге с сабмитами недельной давности!

Фул резы и разборы пока не подъехали, но я поделюсь с вами несколькими реализациями BC + PPO! Именно эта методика работы с агентом должны была затащить в золото!

Ну или агентом перебирать разные алгоритмы

Ну и те самые ссылочки:

1. https://github.com/TianciGao/PPO-BC
2. https://github.com/vvsuby/sts2-rl-agent
3. https://github.com/welry9277/mini-RL

Эх, получился бы уже рабочий вариант, я не знаю, но уверен, что Грока надо наругать😴

#competition