PewDiePie 分享后训练环境任务踩坑：先定截止时间再迭代
精选理由
PewDiePie 拍了期用 env 做后训练的视频，说自己老陷在生成任务数量不够的循环里，Hugging Face 的 merve 也共鸣了，做 RL 训练的可以看看这条经验。
PewDiePie 发布了一期关于用环境（envs）做后训练的视频。视频里提到自己生成环境任务时常遇到任务数量过少的问题，反复重新生成又陷入无止境的迭代循环。Hugging Face 员工 merve 转发表示强烈共鸣。她给出的建议是必须给训练流程设定截止时间，避免无限打磨任务集。
原文 · Merve Noyan
when watching pewdiepie's post-training with envs video I resonated so bad
often times you generate env tasks yourself → notice how little number of tasks you have → generate again and it's an endless loop of trying to improve you have to put a deadline to your training
