已关闭
[Course-Feedback|课程反馈]: Qwen3-1.7B Wordle 强化学习实战 配置不统一 #334
咸粥联盟创建于 7月30日关闭于 8月6日
ink_polymer
7月30日 评论：
7月30日 评论：
尊敬的开发者您好，您的建议已收到，待内部评估后反馈，感谢您的支持
zhoujian
8月6日 评论：
8月6日 评论：
您好，感谢您的反馈。KL coef 表格已按约束强度和适用风险进行说明，当前 recipe 使用的 0.001 已明确为调试起点，需结合实际 KL 指标继续观察。相关修改已通过关联 PR !455 合入。
8月6日 issue状态由 进行中 改变为 已完成
8月6日 关闭了 issue
8月6日 添加了label：resolved
Thanks for sending an issue! Please fill in the following template to help quickly solve your problem.
一、课程名称 （必填）
Qwen3-1.7B Wordle 强化学习实战
第 2 章 — 02.04 KL 散度与训练稳定性
二、反馈类型 （必填）
课程内容建议
三、反馈详情 （必填）
02.04 notebook 的 KL coef 表格将
0.01标注为"配合 entropy_coeff 使用，推荐"，但紧接着的"当前配置"明确使用kl_loss_coef = 0.001，两者相差 10 倍，容易让学习者困惑。KL coef 表格（02.04 notebook 第 96-100 行）：
当前配置：
建议： 在表格或正文中补充说明为何实际 recipe 采用 0.001 而非推荐的 0.01（例如"本 recipe 已针对 Wordle 验证 0.001 足够，0.01 适用于漂移更大的场景"），或调整表格中的"推荐"标注以避免与实际配置冲突。
四、环境信息 （可选）
💡 备注（选填）