为什么稳定的基线评估助手需要环境？

Question

稳定基线中的模型在创建时需要一个环境。例如：

env = gym.make('CartPole-v1')
model = PPO2(MlpPolicy, env)

评估助手还需要指定环境。即

mean_reward, std_reward = evaluate_policy(model, env, n_eval_episodes=100)

如果评估助手已经在模型中指定了环境，那么它的目的是什么？环境在模型创建和评估中都是一个强制性参数。

谢谢

Answer 1

我认为这是为了允许在其他环境上进行评估，而不是用来训练模型的环境。