Perry Dong ✓

@perryadong

CS PhD @StanfordAILab @GoogleDeepMind | Reinforcement Learning

1 126Followers

110Following

59Posts total

10.8KViews on collected posts

โพสต์ล่าสุด

Perry Dong ✓@perryadong9 Aug

@perryadong Because the assumptions behind Q-function do not hold for most real-word conditions, unlike language or image. 533 views · 1 likes · 0 reposts · 0 replies Open on X →

Perry Dong ✓@perryadong30 Jul

To fix this, our key idea: loosen the Q-function's constraint to base-policy actions We propose Initialization via Policy Ensemble (IPE) — initialize Q-function on rollouts from diverse policies, giving it real coverage so fine-tuning learns the RL optimal Q-function (5/6) http 1.9K views · 9 likes · 1 reposts · 1 replies Open on X →

Perry Dong ✓@perryadong30 Jul

Project with Ron Polonsky, @DorsaSadigh, @chelseabfinn Paper: https://t.co/QDlClPfgfv Arxiv: https://t.co/TBmtCqP1bp (6/6) 1.7K views · 25 likes · 1 reposts · 0 replies Open on X →

Perry Dong ✓@perryadong30 Jul

We break down the core reason: the pretrained critic targets the wrong value function Even in the limit of an optimal pretraining distribution, its action preferences diverge from the optimal RL critic's (3/6) https://t.co/PCkOZVLD26 2.1K views · 7 likes · 1 reposts · 1 replies Open on X →

Perry Dong ✓@perryadong30 Jul

Furthermore, fixing pretraining post hoc through offline value maximization is insufficient (4/6) https://t.co/1f5K8HqXop 1.6K views · 5 likes · 1 reposts · 2 replies Open on X →

Perry Dong ✓@perryadong30 Jul

We analyze the performance of pretraining against training from scratch, and show that naive Q-function pretraining does not accelerate fine-tuning (2/6) https://t.co/iC77krarpl 3.1K views · 10 likes · 1 reposts · 1 replies Open on X →

เทียบกับบัญชีขนาดเดียวกัน

6 โพสต์จาก 90 วันที่ผ่านมา เทียบกับช่วง under 10K ผู้ติดตาม ต่ำกว่าบัญชีรุ่นเดียวกันทั้งการเข้าถึงและการมีส่วนร่วม.

ยอดดูมัธยฐาน1 780บัญชีนี้4 175ค่ามัธยฐานของ under 10K

การเข้าถึง, %158.04%บัญชีนี้250.82%ค่ามัธยฐานของ under 10K

การมีส่วนร่วม, %0.47%บัญชีนี้1.41%ค่ามัธยฐานของ under 10K

ตัวชี้วัด	บัญชีนี้	ค่ามัธยฐานของ under 10K	อัตราส่วน
ยอดดูมัธยฐานต่อโพสต์	1 780	4 175	0.43×
การเข้าถึง (ยอดดู ÷ ผู้ติดตาม)	158.04%	2.5× audience	0.63×
อัตราการมีส่วนร่วม	0.47%	1.41%	0.33×

บัญชีอื่นในช่วงนี้ → เปรียบเทียบกับบัญชีอื่น → ค่าอ้างอิงเหล่านี้คำนวณอย่างไร →

Growth & engagement

How the posts we collected actually performed: views and reaction rate post by post, what the audience did with them, and where the follower count goes.

Views per post

3.1K30 Jul

1.6K

2.1K

1.7K

1.9K

5339 Aug

Last 6 collected posts, oldest on the left. The scale is logarithmic: one post can outrun the rest a hundred times over.

Engagement rate per post

0.39%30 Jul

0.49%

0.44%

1.57%

0.58%

0.19%9 Aug

Reactions — likes, reposts, replies and quotes — divided by views. Median for under 10K accounts is 1.41%.

What the audience does

Likes71.2%57 in total

Reposts6.2%5 in total

Replies6.2%5 in total

Bookmarks16.2%13 in total

Share of every reaction we collected for this account. Replies mean argument, reposts mean endorsement, bookmarks mean the post was worth keeping.

The follower curve appears once this account has two daily snapshots — we take one a day, and this one is on its first.

โพสต์ล่าสุด

เทียบกับบัญชีขนาดเดียวกัน

Growth & engagement

Views per post

Engagement rate per post

What the audience does

บัญชีที่คล้ายกัน