已关闭
[Course-Feedback|课程反馈]: Qwen3-1.7B Wordle 强化学习实战数据矛盾 #327
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。第 4 章正文与答案已统一 entropy_coeff 的实验结论，0.005 明确作为探索影响过强的观测案例，调参结论采用受控短程对比。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 4 章《调优与问题排查》— 04.02 / 04.03 / 04.04 答案文件
二、反馈类型 （必填）
• 课程内容错误
三、反馈详情 （必填）
答案文件中反复声称
entropy_coeff=0.005是"更合理/更安全"的选择，但 notebook 正文实验数据明确显示 0.005 会导致训练失败，已验证的正确值是 0.002。矛盾对照：
0.005→ entropy 从 0.531 飙到 0.998(step 25) 再飙到 3.721(step 38)，run0630_1646熵快速飙升并停止0.002作为默认值"entropy_coeff=0.002entropy_coeff=0.00204.02_answer.txtQ204.03_answer.txtQ304.03_answer.txtQ504.04_answer.txtQ204.04_answer.txtQ10涉及文件（5 处解析）：
04_tuning_and_troubleshooting/answer/04.02_answer.txt第 5 行04_tuning_and_troubleshooting/answer/04.03_answer.txt第 8 行、第 14 行04_tuning_and_troubleshooting/answer/04.04_answer.txt第 5 行、第 29 行建议修正： 将所有答案解析中的
0.005改为0.002，与 notebook 实验数据和推荐配置保持一致。四、环境信息 （可选）
💡 备注（选填）