Um treinamento pode falhar antes de aprender ou terminar com registros que ocultam o que foi medido. As mudanças de main do EvoRL em 8 de novembro de 2026 tratam JAX e compatibilidade dos ambientes, após correções de outubro em dispositivos e métricas. A tag de código v0.2.0 conserva esse estado de desenvolvimento para inspeção reproduzível.
Ilustração conceitual: treinamento consistente depende de vários contratos de execução alinhados.
Um caminho de gradiente sensível à versão
A mudança de compatibilidade estende a solução local a JAX 0.12.0.1. Em JAX 0.12.0 e 0.12.0.1, derivadas de erf e erfc dentro de shard_map podem falhar nas verificações VMA. O caminho Tanh Normal afetado usa outro cálculo da log CDF normal, incluindo expansão das caudas.
No controle contínuo, a distribuição da política precisa oferecer probabilidades diferenciáveis para atualizar parâmetros. A inicialização pode funcionar e o gradiente posterior falhar. A correção é limitada a essas versões; outras mantêm o caminho original. O README da tag recomenda JAX 0.11.0 com CUDA 13 como combinação testada nesse estado.
Explicitar hipóteses sobre ambiente e dispositivo
O mesmo commit limita a dependência a playground>=0.2.0,<1, preservando a interface JAX/MJX do adaptador. Uma atualização que mude essa interface altera a base mesmo com configuração de treinamento idêntica.
O trabalho de outubro também reconstrói valores padrão de arrays capturados com cópia explícita, para que JAX eager respeite a malha ativa. ARS usa o avaliador comum quando a normalização das observações está desativada, evitando estatísticas ausentes nesse modo. Posicionamento e normalização tornam-se contratos verificáveis. Correção de dispositivos e ARS
Uma população não é uma política
A correção de 28 de outubro distingue coleções de resultados individuais. pop_episode_returns e pop_episode_lengths preservam o eixo populacional; resultados de política individual ou central usam nomes singulares quando apropriado. O aprendiz único do ERL-EDA recebe métricas escalares; coleções mantêm arrays.
Fazer outra média de um valor já agregado ou tratar um vetor populacional como escalar pode criar gráficos convincentes, mas enganosos. Antes de reutilizar análises, confira nomes e formatos na fronteira dos logs. A migração precisa preservar as reduções pretendidas sobre população, episódios e aprendizes.
Reproduzir um caso pequeno antes de continuar
O código exige Python 3.12 ou posterior e JAX/jaxlib 0.10.0 ou posterior. A distribuição é evorl-jax, mas o import continua evorl. Para scripts e configurações, use a tag e suas instruções. O exemplo básico é python scripts/train.py agent=ppo env=brax/ant.
Confira gradientes, posicionamento e formatos em uma execução pequena antes de comparar curvas. Aim vem no registro padrão; os recorders opcionais precisam dos próprios SDKs. Salve ambiente, semente e orçamento. A introdução ao EvoRL explica aprendizado e evolução; essas mudanças tornam as hipóteses de cada experimento mais verificáveis.