Welcome
  Post Categories
学习笔记- AI Infra 4 AI模型 4 学习笔记-AI模型 2 其他 9 博客搞建 6 学习笔记-强化学习 14 日记 2 学习笔记-大模型 9 Python 17 ACM-ICPC 106 Diffusion Models 9 推荐系统 11
RL Chapter13 RL × LLM 综述：PPO、DPO、GRPO 的统一视角 RL Chapter13 RL × LLM 综述：PPO、DPO、GRPO 的统一视角
2026-05-21 学习笔记-强化学习
AI 强化学习 AI面试知识
RL Chapter12 模仿学习与逆 RL：BC、DAgger、GAIL、IRL RL Chapter12 模仿学习与逆 RL：BC、DAgger、GAIL、IRL
2026-05-20 学习笔记-强化学习
AI 强化学习 AI面试知识
RL Chapter11 离线强化学习：BCQ、CQL、IQL 与 DPO 的渊源 RL Chapter11 离线强化学习：BCQ、CQL、IQL 与 DPO 的渊源
2026-05-19 学习笔记-强化学习
AI 强化学习 AI面试知识
RL Chapter10 探索：从 ε-greedy 到 Curiosity RL Chapter10 探索：从 ε-greedy 到 Curiosity
2026-05-18 学习笔记-强化学习
AI 强化学习 AI面试知识
RL Chapter9 DDPG 与 SAC：连续控制的两个里程碑 RL Chapter9 DDPG 与 SAC：连续控制的两个里程碑
2026-05-17 学习笔记-强化学习
AI 强化学习 AI面试知识
RL Chapter8 TRPO 与 PPO：信赖域与策略梯度的工程化 RL Chapter8 TRPO 与 PPO：信赖域与策略梯度的工程化
2026-05-16 学习笔记-强化学习
AI 强化学习 AI面试知识
RL Chapter7 DQN 家族：深度学习接入 Q-Learning RL Chapter7 DQN 家族：深度学习接入 Q-Learning
2026-05-15 学习笔记-强化学习
AI 强化学习 AI面试知识
RL Chapter6 Actor-Critic 与 GAE：Policy Gradient 的工业化 RL Chapter6 Actor-Critic 与 GAE：Policy Gradient 的工业化
2026-05-14 学习笔记-强化学习
AI 强化学习 AI面试知识
RL Chapter5 Policy Gradient：直接对策略求梯度 RL Chapter5 Policy Gradient：直接对策略求梯度
2026-05-13 学习笔记-强化学习
AI 强化学习 AI面试知识
RL Chapter4 Q-Learning 与 SARSA：从评估到控制 RL Chapter4 Q-Learning 与 SARSA：从评估到控制
2026-05-12 学习笔记-强化学习
AI 强化学习 AI面试知识
1 / 2