Welcome
  Post Categories
AI模型 4 其他 9 学习笔记-AI模型 2 博客搞建 6 Cuda算子 2 日记 3 学习笔记-大模型 9 Python 17 学习笔记-强化学习 14 ACM-ICPC 106 学习笔记- AI Infra 14 Diffusion Models 9 推荐系统 11
RL Chapter2 动态规划 (DP)：策略评估、策略迭代、价值迭代 RL Chapter2 动态规划 (DP)：策略评估、策略迭代、价值迭代
2026-05-10 学习笔记-强化学习
AI AI面试知识 强化学习
RL Chapter3 Monte Carlo 与 TD：从样本估计价值 RL Chapter3 Monte Carlo 与 TD：从样本估计价值
2026-05-10 学习笔记-强化学习
AI AI面试知识 强化学习
RL Chapter6 Actor-Critic 与 GAE：Policy Gradient 的工业化 RL Chapter6 Actor-Critic 与 GAE：Policy Gradient 的工业化
2026-05-10 学习笔记-强化学习
AI AI面试知识 强化学习
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
2026-05-10 学习笔记-强化学习
AI AI面试知识 强化学习
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
2026-05-10 学习笔记-强化学习
AI AI面试知识 强化学习
RL Chapter5 Policy Gradient：直接对策略求梯度 RL Chapter5 Policy Gradient：直接对策略求梯度
2026-05-10 学习笔记-强化学习
AI AI面试知识 强化学习
RL Chapter4 Q-Learning 与 SARSA：从评估到控制 RL Chapter4 Q-Learning 与 SARSA：从评估到控制
2026-05-10 学习笔记-强化学习
AI AI面试知识 强化学习
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
2026-05-10 学习笔记-强化学习
AI AI面试知识 强化学习
RL Chapter10 探索：从 ε-greedy 到 Curiosity RL Chapter10 探索：从 ε-greedy 到 Curiosity
2026-05-10 学习笔记-强化学习
AI AI面试知识 强化学习
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
2026-05-10 学习笔记-强化学习
AI AI面试知识 强化学习
1 / 2