请问你有遇过reward爆炸的情况吗？

[Tangzy7]

我只用了 Ease of answering 作为reward，但是随着训练这一项从-2.x开始一直减小到负无穷。

[Sunnee2018]

@Tangzy7 您好，请问您是否解决 expected int32 got list containing tensors of type '_message' instead 问题？不吝赐教，谢谢。