关于UI-R1-E-3B的训练过程 #21
Description
想要复现您对于UI-R1-E-3B的消融实验。我使用了UI-R1-3B在136条数据上的训练方式，对于2k数据进行了1个epoch的GRPO训练，但是在Screenspot上的实验效果仅仅达到79.6%，请问有其他的实验细节需要注意吗，比如epoch数需要设置更多？但是感觉Reward曲线已经接近于稳定。
{{ message }}
想要复现您对于UI-R1-E-3B的消融实验。我使用了UI-R1-3B在136条数据上的训练方式，对于2k数据进行了1个epoch的GRPO训练，但是在Screenspot上的实验效果仅仅达到79.6%，请问有其他的实验细节需要注意吗，比如epoch数需要设置更多？但是感觉Reward曲线已经接近于稳定。