多智能体强化学习MARL

【伤寒强化学习训练】打卡第十天 一期90天

1.10号少阴病大总结：1、少阴病的特点1.少阴病是一个心肾之病，心肾受邪，肾阳不足，志气不足，心情大于身体状况的病，心里想做一件事身体却不去行动的那种状态，感知力明显下降，甚至连自己发烧都没有感觉的那种。2.脉沉而细，尺脉浮。3.少阴不可汗、吐、下，要用和法。2、少阴病常用方剂1、吴茱萸汤：主证：吐是主证，利是兼证，烦躁，手脚冰冷，破肝阴实。烦躁欲死：在床上打滚，手指头在床上乱扣，烦到受不了，不
A卐炏澬焚·2023-08-28 22:14

西湖大学的强化学习数学原理视频学习总结

断断续续在B站把西湖大学邵老师的‘【强化学习的数学原理】课程：从零开始到透彻理解’看完了，感觉非常棒的一门课程视频，涉及了一些基础的数学定理，也很多细节，用起来可以直接用，但如果不懂得整个脉络，基本上很短时间就忘得差不多了
Mr.鱼·2023-08-28 18:28

python3.6 sklearn(1)

Python3.6scikit-learn(1)1.机器学习方法的分类监督学习无监督学习半监督学习强化学习遗传算法2.scikit-learn2.1sklearn中的通用学习模式sklearn中有自带的数据库
朝闻道_aa5e·2023-08-28 15:43

CHATEVAL: TOWARDS BETTER LLM-BASED EVALUATORS THROUGH MULTI-AGENT DEBATE

CHATEVAL：通过多智能体的辩论，实现更好的基于LLM的评估摘要1引言2方法3实验4分析5相关工作6结论摘要文本评估在历史上提出了重大挑战，通常需要大量的人力和时间成本。
UnknownBody·2023-08-28 11:09

如何有效进行RLHF的数据标注？

编者按：随着大语言模型在自然语言处理领域的广泛应用，如何从人类反馈进行强化学习（RLHF）已成为一个重要的技术挑战。并且RLHF需要大量高质量的人工数据标注，这是一个非常费力的过程。
·2023-08-28 11:03

ChatGPT训练三阶段与RLHF的威力

其中一个很酷的想法是RLHF（ReinforcementLearningfromHumanFeedback，人类反馈的强化学习）：将强化学习和人类反
OneFlow深度学习框架·2023-08-28 09:51

GPT总设计师：大型语言模型的未来

在OpenAI成立早期，强化学习大牛PieterAbbeel曾与Ilya共事，在他看来，Ilya对AI的思考总是走在他人的前面，而为了验证自己的想法，他总是在恰当的时间更换自己的工作处境，并做出了领域内最具开创性的工作
OneFlow深度学习框架·2023-08-28 09:20

为什么ChatGPT用强化学习而非监督学习？

为什么ChatGPT非得用强化学习，而不直接用监督学习？原因不是那么显而易见。
OneFlow深度学习框架·2023-08-28 09:19

一种让ChatGPT的回答既实时又精准的方法 | 人工智能

ChatGPT是由OpenAI在GPT-3基础上利用有监督微调和人工反馈强化学习的方式训练的聊天机器人，ChatGPT能在三个月时间达到月活
360技术·2023-08-28 08:40

大模型讲习班丨第四范式黄世宇：强化学习的发展历程与基于人类反馈的强化学习...

人工智能研究与应用范式正经历一场剧变，越来越多的顶级团队和杰出人才纷纷加入这一变革浪潮。作为AI大模型科研先锋，智源研究院携手一批卓越的学者与工程师，致力于将尖端技术与经验传授给有潜力的学习者，通过高效的学习方式，让更多人能迅速融入这一重要的历史进程，提升中国在这一领域的人才数量和质量。大模型前沿技术讲习班第一季第三期（S01E03）将在2023年8月26-27日线下召开，我们邀请了来自顶尖科研领
智源社区·2023-08-27 23:09

【伤寒强化学习训练】打卡第十三天 一期90天

11.5.2乌梅丸证及乌梅的药性乌梅丸证【11.59】伤寒，脉微而厥，至七八日，肤冷，其人躁、无暂安时者，此为脏厥，非蚘厥也。蚘厥者，其人当吐蚘。今病者静，而复时烦，此为脏寒，蚘上入其膈，故烦。须臾复止，得食而呕又烦者，蚘闻食臭出，其人当自吐蚘。蚘厥者，乌梅丸主之。又主久利。乌梅丸方乌梅三百枚细辛六两干姜十两黄连十六两当归四两附子六两（炮去皮）蜀椒四两（出汗）桂枝六两（去皮）人参六两黄柏六两右十味
A卐炏澬焚·2023-08-27 23:51

强化学习-Reinforcement learning | RL

强化学习是机器学习的一种学习方式，它跟监督学习、无监督学习是对应的。本文将详细介绍强化学习的基本概念、应用场景和主流的强化学习算法及分类。目录什么是强化学习？
ZhangJiQun&MXP·2023-08-27 22:50

Huggingface训练Transformer

具体可见博客召唤神龙打造自己的ChatGPT_gzroy的博客-CSDN博客Huggingface提供了一个TRL的扩展库，可以对transformer模型进行强化学习，SFT是其中的一个训练步骤，为此我也测试一下如何用
gzroy·2023-08-27 21:29

【伤寒强化学习训练】打卡第五十七天 一期90天

4.4.2咳嗽篇之止嗽散与十枣汤在中医理论的世界，阳的世界比阴的世界大，相对而言，能量比物质重要，就是心情好比身体好重要所有的阴脉代表任脉；阳脉代表督脉；奇经八脉，任督二脉；任督二脉是一阴一阳，任脉比较短，督脉比较长，在阴阳的世界里面，人的物质的身体是受能量的身体所主导的；止嗽散有两个方子：第一个方是直接抓这个药去煮汤剂；第二个是把药物打成药粉冲热水喝；张仲景的咳嗽篇治疗的咳嗽都是那种主证很清楚，
A卐炏澬焚·2023-08-27 21:49

深度Q学习的收敛性分析：通过渐近分析方法

1.2.主要贡献1.2.1.目标网络1.2.2.经验回放2.神经网络2.1.前馈网络2.2.激活函数σ2.3.深度Q网络3.深度Q学习：算法和假设4.收敛性分析4.1.DQN的连续化深度Q学习是一种重要的强化学习算法
Yingjun Mo·2023-08-27 15:09

2019钱妹日记分享1

2.课程：《如何让孩子爱上学习》《二十四节气养生一小满》《易趣玩》强化学习。二、养生.1.159素食早餐.2.四项运动.3.艾灸。三.经典语句分享：子孙虽愚，经书不可不读
3b0ae8940190·2023-08-27 12:23

深度学习2.神经网络、机器学习、人工智能

目录深度学习、神经网络、机器学习、人工智能的关系大白话解释深度学习传统机器学习VS深度学习深度学习的优缺点4种典型的深度学习算法卷积神经网络–CNN循环神经网络–RNN生成对抗网络–GANs深度强化学习
ZhangJiQun&MXP·2023-08-27 11:25

七、《图解HTTP》加密的协议HTTPS

总结前言这篇文章是来记录博主对《图解HTTP》书中知识点进行梳理，作为强化学习。网上对此书非常推崇，博主认为这本书是小白入门计网的绝佳选择。
老帅比阿·2023-08-27 10:23

强化学习在游戏AI中的应用与挑战

文章目录1.强化学习简介2.强化学习在游戏AI中的应用2.1游戏智能体训练2.2游戏AI决策2.3游戏测试和优化3.强化学习在游戏AI中的挑战3.1探索与利用的平衡3.2多样性的应对4.解决方法与展望4.1
IT·陈寒·2023-08-27 08:11

【伤寒强化学习训练】打卡第二十九天 一期90天

本草：干姜的药性干姜：味辛温、性温热、辣、生姜晒干切成片状、色白生姜：发热；御湿之菜，把湿寒之气逼开，生姜是走而不守（从脾胃往外面把一些湿气、寒气逼开）干姜：不发汗，可止血，干姜是守而不走（在脾胃消化的地方暖起来），“肠澼下痢”：肠胃道积水的拉肚子炮姜：在张仲景时代是用干姜再去烘烤，烘烤过的干姜没那么辣，多一点苦味，嚼起来像苦棉花一样甘草干姜汤用炮姜治疗肺冷——让脾胃暖了以后，暖气向上把肺暖起来（
A卐炏澬焚·2023-08-27 00:47

强化学习系列--值迭代算法

强化学习系列--值迭代算法介绍示例代码介绍值迭代算法使用贝尔曼最优方程来更新状态值函数。
lqjun0827·2023-08-26 23:48

强化学习系列--深度Q网络（DQN算法）

强化学习系列--深度Q网络（DQN算法）介绍示例代码（pytorch实现）示例代码（keras实现）介绍深度Q网络（DeepQ-Network，DQN）是一种强化学习算法，通过结合深度神经网络和Q-learning
lqjun0827·2023-08-26 16:14

强化学习系列--带基准线的REINFORCE算法

强化学习系列--带基准线的REINFORCE算法介绍示例代码介绍在强化学习中，带基准线的REINFORCE算法是一种用于求解策略梯度的方法。
lqjun0827·2023-08-26 16:14

强化学习系列--演员-评论员算法（Actor-Critic Algorithm）

强化学习系列--演员-评论员算法（Actor-CriticAlgorithm）介绍示例代码（pytorch）示例代码（tensorflow）介绍演员-评论员算法（Actor-CriticAlgorithm
lqjun0827·2023-08-26 16:14

人工智能技术的主要类别

强化学习：通过与环境的交互，让模型逐渐学习最佳决策策略，常见于游戏、自动驾驶等领域。深度学习：卷积神经网络（CNN）：专门用于图像处理和计算机视觉任务，通过卷积层来学习图像中的特
沐尘而生·2023-08-26 15:31

强化学习时序差分学习方法--SARSA算法

强化学习时序差分学习方法--SARSA算法介绍示例代码介绍SARSA（State-Action-Reward-State-Action）是一种强化学习算法，用于解决马尔可夫决策过程（MDP）中的问题。
lqjun0827·2023-08-26 10:12

强化学习笔记（二）

Q-learning:基于价值，单步更新，离线学习（采样策略不是真实的目标策略）Sarsa:基于价值，单步更新，在线学习（走一步学一步，采样策略与目标策略相同）PolicyGradients:基于概率，回合更新（基础版）DQNDQN:DeepQ-learningNetwork,获取Q(s,a)值的方法从Q-table表格式存储检索换成神经网络计算生成。输入是state，输出是该state下每个ac
feiba54·2023-08-26 08:06

《强化学习：原理与Python实战》——可曾听闻RLHF

前言：RLHF（ReinforcementLearningwithHumanFeedback，人类反馈强化学习）是一种基于强化学习的算法，通过结合人类专家的知识和经验来优化智能体的学习效果。
陈童学哦·2023-08-25 22:05

第十章 强化学习

场景与原理1.强化学习模型五个基本要素代理Agent、环境Environment、行为Action、状态State、反馈Reward策略Policy和价值Value2.基于价值的算法假设已经知道了所有State
etheon·2023-08-25 21:53

【AI模型】gym强化学习仿真平台配置与使用

°★这篇文章主要介绍gym强化学习仿真平台配置与使用。无专精则不能成，无涉猎则不能通。——梁启超欢迎来到我的博客，一起学习，共同进步。
Frank学习路上·2023-08-25 20:25

完成出版工作

若有需要，可在淘宝，当当，京东这些平台上都可以搜索到，书名是《多智能体机器人系统控制及其应用》，提前感谢，封面如下。至于本专栏，留作大家讨论和书籍勘误使用吧。
Zhao-Jichao·2023-08-25 10:39

嵌入式糊涂蛋--基础恢复

机器学习、强化学习、数学规划等算法知识学得杂乱。
#self-discipline#·2023-08-25 07:16

DNQ算法原理(Deep Q Network)

1.强化学习概念学习系统没有像很多其它形式的机器学习方法一样被告知应该做出什么行为必须在尝试了之后才能发现哪些行为会导致奖励的最大化当前的行为可能不仅仅会影响即时奖励，还会影响下一步的奖励以及后续的所有奖励每一个动作
Williamtym·2023-08-25 01:01

强化学习——表格型求解方法

了解了强化学习的基础概念后，我们知道最优策略就是根据来贪心地选择状态下的动作，那么问题就转变为如何求解或者这些最优价值函数了。
7NIC7·2023-08-24 23:19

【Python】强化学习：原理与Python实战

搞懂大模型的智能基因，RLHF系统设计关键问答  RLHF（ReinforcementLearningwithHumanFeedback，人类反馈强化学习）虽是热门概念，并非包治百病的万用仙丹。
热爱跑步的恒川·2023-08-24 21:12

Mastering Chess and Shogi by Self-Play with a General Reinforcement Learning Algorithm

用一个泛化的强化学习算法掌握国际象棋和日本象棋摘要：国际象棋游戏在人工智能的历史中是最广泛研究的领域。最强的程序都基于复杂的搜索技术，特定领域的自适应和人类专家十几年来完善的手工评估函数的结合。
马小李23·2023-08-24 13:50

GPT大语言模型引爆强化学习与语言生成模型的热潮、带你了解RLHF。

DRL：ReinforcementLearningwithLanguageModel随着ChatGPT的爆火，强化学习（ReinforcementLearning）和语言生成模型（LanguageModel
汀、人工智能·2023-08-24 12:01

使用 DPO 微调 Llama 2

简介基于人类反馈的强化学习(ReinforcementLearningfromHumanFeedback，RLHF)事实上已成为GPT-4或Claude等LLM训练的最后一步，它可以确保语言模型的输出符合人类在闲聊或安全性等方面的期望
Hugging Face·2023-08-24 12:57

Scikit-learn强化学习代码批注及相关练习

一、游戏介绍木棒每保持平衡1个时间步，就得到1分。每一场游戏的最高得分为200分每一场游戏的结束条件为木棒倾斜角度大于41.8°或者已经达到200分。最终获胜条件为最近100场游戏的平均得分高于195。代码中env.step（），的返回值就分别代表了。观测Observation：当前step执行后，环境的观测。奖励Reward：执行上一步动作（action）后，智能体（agent）获得的奖励，不同
Fishermen_sail·2023-08-24 11:33

机器学习导论--2.机器学习业务基础及架构详解

(包括前面的误差)5.总结要掌握的概念6.概念学习7.几个重要概念的理解8.分类和回归问题9.初识机器学习分类10.机器学习处理问题步骤框架二.机器学习分类1.监督学习2.非监督学习3.半监督学习4.强化学习
溯水襄陵_·2023-08-24 07:24

全流程GMS地下水数值模拟技能培养及溶质运移反应问题深度解析实践技术

建立与实践项目过程中的重点问题相融合，在教学中不仅强调学习三维地质结构建模、水文地质模型概化、边界条件设定、参数反演和模型校核等关键环节，同时把地下水溶质运移模拟单独进行深度解析，融合多种典型案例模型的实操强化学习
思考的小猴子·2023-08-24 07:19

第五节：实现自己的第一个environment

本专栏是强化学习运用在买卖股票之上的入门学习内容。主要解决强化学习代码落地和代码实践，不需要学习相关数学原理，直观简单的带领读者入门强化学习炒股。
windanchaos·2023-08-24 03:44

第三节：强化学习中的套路

本专栏是强化学习运用在买卖股票之上的入门学习内容。主要解决强化学习代码落地和代码实践，不需要学习相关数学原理，直观简单的带领读者入门强化学习炒股。
windanchaos·2023-08-24 03:44

第四节：action动作和observation观察值的值类型

本专栏是强化学习运用在买卖股票之上的入门学习内容。主要解决强化学习代码落地和代码实践，不需要学习相关数学原理，直观简单的带领读者入门强化学习炒股。
windanchaos·2023-08-24 03:44

前言：强化学习炒股专栏说明

本专栏是强化学习运用在买卖股票之上的入门学习内容。主要解决强化学习代码落地和代码实践，不需要学习相关数学原理，直观简单的带领读者入门强化学习炒股。
windanchaos·2023-08-24 03:12

强化学习--PPO（完结）

系列文章目录强化学习提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录系列文章目录前言一、强化学习是什么？
百度pkq·2023-08-23 17:54

Reinforcement Learning - Chapter 6

Temporal-DifferenceLearning6.5Q-learning:off-policyTDControlQ-learning是一种异策略（off-policy）的强化学习算法。
WangChen100·2023-08-23 07:23

百度工程师浅析强化学习

作者|Jane导读本文主要介绍了强化学习（ReinforcementLearning，RL）的基本概念以及什么是RL。强化学习让智能体通过与环境的交互来学习如何做出决策，以获得最大的累积奖励。
百度Geek说·2023-08-23 06:07

机器学习分类，损失函数中为什么要用Log，机器学习的应用

机器学习（MachineLearning）机器学习的分类监督学习无监督学习强化学习机器学习的应用应用举例：猫狗分类1.现实问题抽象为数学问题2.数据准备3.选择模型4.模型训练及评估5.预测结果推荐阅读损失函数中为什么要用
ZhangJiQun&MXP·2023-08-22 23:29

使用 DPO 微调 Llama 2

简介基于人类反馈的强化学习(ReinforcementLearningfromHumanFeedback，RLHF)事实上已成为GPT-4或Claude等LLM训练的最后一步，它可以确保语言模型的输出符合人类在闲聊或安全性等方面的期望
·2023-08-22 23:51
上一页 26 27 28 29 30 31 32 33 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他