请问作者在sft后的RL的第一次采样成功率大概在多少？

[ddsaplus]

请问作者在sft后的RL的第一次采样成功率大概在多少？我这边使用了另外一个框架做复现，发现sft权重的初始SR只有40%，不清楚是否正常

[CYWang735]

请问作者在sft后的RL的第一次采样成功率大概在多少？我这边使用了另外一个框架做复现，发现sft权重的初始SR只有40%，不清楚是否正常

你好！ 老哥 留个邮箱交流一下？

[ddsaplus]

1291967553@qq.com

[wadeKeith]

请问作者在sft后的RL的第一次采样成功率大概在多少？我这边使用了另外一个框架做复现，发现sft权重的初始SR只有40%，不清楚是否正常

If you use the SFT weights we open-sourced on Hugging Face for RL, the success rate should be around 94% (on Libero 10). I'm not quite sure what the other framework you're using is. If you're using VERL, there shouldn't be any issues.