强化学习·所思所得

怎么定义世界模型，Sora/Genie/JEPA 谁是世界模型呢？（1）

其实世界模型在ML领域不是什么新概念，远远早于Transfomer这些东西被提出来，因为它最早是强化学习RL领域的，在20世纪90年代由JuergenSchmiduber实验室给提出来的。
周博洋K·2025-03-11 23:52

《Natural Actor-Critic》译读笔记

《NaturalActor-Critic》摘要本文提出了一种新型的强化学习架构，即自然演员-评论家（NaturalActor-Critic）。
songyuc·2025-03-11 11:21

LLM Weekly（2025.02.17-02.23）

Grok发布了Grok3Beta，通过强化学习、扩展计算和多模态理解提供卓越的推理能力。Grok3和Grok3mini在学术基准上取得了高分，其中Grok3在AIME’25上获得了93.3%的分数。
UnknownBody·2025-03-11 01:59

大话机器学习三大门派：监督、无监督与强化学习

以武侠江湖为隐喻，系统阐述了机器学习的三大范式：监督学习（少林派）凭借标注数据精准建模，擅长图像分类等预测任务；无监督学习（逍遥派）通过数据自组织发现隐藏规律，在生成对抗网络（GAN）等场景大放异彩；强化学习
安意诚Matrix·2025-03-10 15:44

PTA L2-004 这是二叉搜索树吗？（Java）

所谓二叉搜索树的“镜像”，即将所有结点的左右子树对换位置后所得到的树。给定一个整数键值序列，现请你编写程序，判断这是否是对一棵二叉搜索树或其镜像进行前序遍历的结果。输入格
秃头大白鹅·2025-03-10 14:10

在MATLAB环境中，对矩阵拼接（Matrix Concatenation）的测试

以下是详尽的测试方法与具体示例：基础功能测试(1)水平拼接（[A,B]或horzcat）测试目的：确认在列方向进行拼接后，所得矩阵的尺寸是否准确无误，以及数据排列顺序是否符合预期。测试代码：matl
蚂蚁质量·2025-03-10 11:18

使用DeepSeek来构建LangGraph Agent

随着DeepseekR1的发布，我们不得不把目光聚焦在这个能赶超多个顶流大模型的模型身上，它主要是其在后训练阶段大规模使用了强化学习技术，在仅有极少标注数据的情况下，极大提升了模型推理能力。
乔巴先生24·2025-03-09 21:59

当深度学习遇见禅宗：用东方智慧重新诠释DQN算法

引言：代码与禅的碰撞♂️在某个调试代码到凌晨三点的夜晚，我突然意识到：强化学习的过程，竟与佛家修行惊人地相似。智能体在环境中探索
带上一无所知的我·2025-03-09 21:28

1.3 最优化的基本概念

那么分别使用直线和曲线所得到的最优化模型是不同的。在前文的问题中，目标函数与约束函数都是由模型来决定的。在确定模型后，我们再
西瓜毛毛猫·2025-03-09 20:21

10分钟极速入门DeepSeek：从注册到实战的全链路指南

时代的速度革命第一章登船准备：注册与登录全解析1.1个人版注册：三屏完成的极简艺术1.2企业版开通：组织智能化的高速公路1.3跨平台登录：无缝衔接的数字身份第二章交互革命：网页端与API的二元世界2.1网页端：所见即所得的
暴怒的代码·2025-03-08 21:35

就在刚刚！马斯克决定将“地球上最聪明的人工智能”Grok-3免费了！

Grok-3的核心优势在于其大规模强化学习（RL）优化，能够在几秒到几分钟内进行深度推理，适应复杂任务的需求。配备的D
源代码杀手·2025-03-08 12:16

机器学习入门知识

二、机器学习的基本类型1.监督学习2.无监督学习3.半监督学习4.强化学习三、机器学习的工作流程四、常见的机器学习算法五、机器学习的评价指标六、机器学习中的过拟合与欠拟合七、机器学习的应用八、学习机器学习的资源前言随着人工智能的发展
十五境剑修·2025-03-08 09:33

特斯拉FSD不同版本的进化

特斯拉，FSD，自动驾驶，深度学习，计算机视觉，强化学习，神经网络，模型训练1.背景介绍特斯拉自2016年推出Autopilot以来，一直致力于开发全自动驾驶系统，其目标是实现完全无人驾驶，让汽车能够像人类一样感知周围环境
AI智能涌现深度研究·2025-03-07 19:35

阿里深夜开源QwQ-32B模型，仅需1/10的成本即可比肩R1满血版

大规模强化学习（RL）有潜力超越传统的预训练和后训练方法来提升模型性能。近期的研究表明，强化学习可以显著提高模型的推理能力。
伪_装·2025-03-07 13:45

2024年图灵奖公布：两位AI先锋因强化学习获奖

纽约时报》报道，全球最大的计算机专业人士协会计算机协会(ACM)周三宣布，将2024年图灵奖授予安德鲁·巴托(AndrewBarto)博士和理查德·萨顿(RichardSutton)博士，以表彰他们在强化学习方面的研究
吴脑的键客·2025-03-07 13:15

（24-1）DeepSeek中的强化学习：DeepSeek简介

在人工智能的浩瀚星空中，DeepSeek犹如一座巍峨的科技丰碑，熠熠生辉，引领着大模型时代的风云变幻。DeepSeek以卓越的创新精神和前沿的技术架构，突破常规极限，将海量知识与智能推理完美融合，展现出惊人的计算力与思维深度。4.1DeepSeek简介DeepSeek是一家成立于2023年的中国人工智能初创公司，专注于开发高效且经济的大型语言模型。其核心技术包括多头潜在注意力（Multi-head
码农三叔·2025-03-07 12:33

DeepSeek：AI赋能的无限可能——从日常生活到职业进阶的全场景探索

从撰写演讲稿到制定投资策略，从家庭教育到企业管理，DeepSeek通过“自然语言对话”的交互模式，将复杂任务简化为几步提示词的输入，真正实现了“所想即所得”。
Hello kele·2025-03-07 08:21

详解：Grok中文版 _Grok 3 国内中文版本在线使用

借助深度学习与强化学习等先进技术，GrokAI具备自我学习的能力，可以通过不断的训练来优
·2025-03-06 18:35

【大模型学习】第八章 深入理解机器学习技术细节

SupervisedLearning）1.定义与工作原理2.常见任务3.应用场景示例：房价预测二、无监督学习（UnsupervisedLearning）1.定义与工作原理2.常见任务3.应用场景示例：客户细分三、强化学习
好多渔鱼好多·2025-03-06 16:57

AI语言模型的技术之争：DeepSeek与ChatGPT的架构与训练揭秘

的基础概述1.1DeepSeek简介1.2ChatGPT简介第二章：模型架构对比2.1Transformer架构：核心相似性2.2模型规模与参数第三章：训练方法与技术3.1预训练与微调：基础训练方法3.2强化学习与奖励建模
m0_74825466·2025-03-06 06:29

自然语言模型（NLP）介绍

例如，DeepSeek通过强化学习提升推理能力，其混合专家架构（MoE）显著优化了计算效率‌。二、核心技术解析1.DeepSeek模型架构混合专家模型（MoE）：DeepSeek-V3采用Mo
Liudef06·2025-03-06 04:11

Search-o1：智体搜索增强的大型推理模型

大型推理模型(LRM)（例如OpenAI-o1）已通过大规模强化学习展示长步推理能力。然而，它们的扩展推理过程通常会受到知识不足的影响，从而导致频繁出现不确定性和潜在错误。
三谷秋水·2025-03-05 22:53

强化学习实践 openai gymnasium CartPole-v1 DQN算法实现

前言最近在学习强化学习，大致过了一遍强化学习的数学原理（视频）。视频讲的很好，但是实践的部分总是感觉有点匮乏（毕竟解决gridworld方格世界（GitHub）的问题的很难给人特别大的
abstcol·2025-03-05 14:12

强化学习是否能够在完全不确定的环境中找到一个合理的策略，还是说它只能在已知规则下生效？

强化学习（ReinforcementLearning，RL）是机器学习的一个重要分支，广泛应用于机器人控制、自动驾驶、游戏策略和金融决策等领域。
concisedistinct·2025-03-05 12:58

清华大学DeepSeek PPT第二版深度解读：人工智能前沿技术解析

第二版PPT从以下方面实现全面升级：AI前沿技术覆盖：涵盖大模型、深度强化学习等领域最新研究进展工业级实践案例：新增多个企业级项目解决方案案例三维知识框架：从算法原理→代码实现→工程部署的全链路解析下载建议
qudongmofashi·2025-03-05 09:04

PyTorch 中结合迁移学习和强化学习的完整实现方案

结合迁移学习（TransferLearning）和强化学习（ReinforcementLearning,RL）是解决复杂任务的有效方法。
小赖同学啊·2025-03-05 07:54

【机器学习】Reinforcement Learning-强化学习基本概念

1、Q值与V值1.1Q值和V值的定义Q值：也称为动作价值函数，评估动作的价值，它代表了智能体选择这个动作后，一直到最终状态奖励总和的期望，表示为Q(s,a)，其中s是状态，a是动作。V值：评估状态的价值，也称为状态价值函数，表示为V(s)，其中s是状态。它代表了智能体在这个状态下，一直到最终状态的奖励总和的期望。V值与动作无关只与状态有关。Q值和V值的概念是一致的，都是衡量在马可洛夫树上某一个节点
长相忆兮长相忆·2025-03-05 02:42

SFT与RLHF的关系

在大模型训练中，SFT（监督微调）和RLHF（基于人类反馈的强化学习）是相互关联但目标不同的两个阶段，通常需要结合使用以优化模型性能，而非互相替代。
一只积极向上的小咸鱼·2025-03-04 11:12

蚂蚁技术研究院发布推理大模型强化学习框架，邀请开发者共同助力 AGI 生态

2月25日，蚂蚁技术研究院正式开源强化学习框架AReaL（AntReasoningRL）。AReaL源自开源项目ReaLHF，旨在训练每个人都可以复现和贡献的大型推理模型(LRM)。
·2025-03-04 10:52

DeepSeek-R1：通过强化学习激励大型语言模型的推理能力

DeepSeek-R1-Zero是一个通过大规模强化学习（RL）训练而成的模型，无需监督微调（SFT）作为初步步骤，展示了卓越的推理能力。
AI专题精讲·2025-03-03 22:05

DeepSeek-R1 技术报告解读：用强化学习激发大模型的推理潜能

文章目录1.背景2.DeepSeek-R1训练流程2.1DeepSeek-R1-Zero：纯强化学习2.2DeepSeek-R1：冷启动+多阶段训练3.蒸馏小模型3.1蒸馏流程与优势3.2蒸馏vs.直接
跑起来总会有风·2025-03-03 14:04

强化学习与网络安全资源-论文和环境

TableofContentsRL-EnvironmentsPapersBooksBlogpostsTalksMiscellaneous↑EnvironmentsPentestingTrainingFrameworkforReinforcementLearningAgents(PenGym)TheARCDPrimary-levelAITrainingEnvironment(PrimAITE)CSL
AI拉呱·2025-03-03 14:03

基础篇（二）从监督学习到强化学习：机器学习的不同范式

从监督学习到强化学习：机器学习的不同范式在机器学习的广阔领域中，监督学习和强化学习是两种最重要的范式。它们各自有其独特的特点和应用场景，但也存在紧密的联系。
带上一无所知的我·2025-03-03 11:39

Matlab 大量接单

机器学习、深度学习、强化学习、仿真、复现、算法、神经网络、建模、图像识别、数据挖掘、数据获取、爬虫、数据分析、目标检测、算法创新、因子分析、相关分析、方差分析、判别分析、方程分析、线性回归、中介
matlabgoodboy·2025-03-02 17:45

强化学习的数学原理-六、随机近似与随机梯度下降

代码来自up主【强化学习的数学原理-作业】GridWorld示例代码（已更新至DQN、REINFORCE、A2C）_哔哩哔哩_bilibiliSGD、GD、MGD举例：#先初始化一个列表，未来要在这100
儒雅芝士·2025-03-02 15:24

模型优化之强化学习（RL）与监督微调（SFT）的区别和联系

强化学习（RL）与监督微调（SFT）是机器学习中两种重要的模型优化方法，它们在目标、数据依赖、应用场景及实现方式上既有联系又有区别。
搏博·2025-03-02 10:08

DeepSeek R1 详解：思维链、强化学习和蒸馏

目录思维链强化学习蒸馏DeepSeek是如何做到的?
前网易架构师-高司机·2025-03-02 05:58

强化学习探索与利用：多臂老虎机的UCB与Softmax策略

）上置信界（UCB，UpperConfidenceBound）软max策略（Softmax）算法对比与评估实验与结果总结与展望参考文献引言多臂老虎机问题（Multi-ArmedBandit,MAB）是强化学习领域中的一个经典问题
海棠AI实验室·2025-03-01 23:42

程序员未来的出路：行业趋势与职业发展分析

深入研究深度学习、强化学习等前沿技术。成为AI架构师或数
guzhoumingyue·2025-03-01 19:46

强化学习——基本概念

何为强化学习机器学习的一大分支强化学习（ReinforcementLearning）是机器学习的一种，它通过与环境不断地交互，借助环境的反馈来调整自己的行为，使得累计回报最大。
AI大模型探索者·2025-03-01 17:06

Java练习 7-4 是不是太胖了

据说一个人的标准体重应该是其身高（单位：厘米）减去100、再乘以0.9所得到的公斤数。已知市斤的数值是公斤数值的两倍。现给定某人身高，请你计算其标准体重应该是多少？
syh132167·2025-03-01 17:04

【Cherry Studio】是什么？怎样使用？

所见即所得：实时预览设计效果，方便调整和优化。简单来说，CherryStudio就像一个前端开发的“乐高积木
南北极之间·2025-02-28 23:29

【EI复现】基于深度强化学习的微能源网能量管理与优化策略研究（Python代码实现）

欢迎来到本博客❤️❤️博主优势：博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。⛳️座右铭：行百里者，半于九十。本文目录如下：目录1概述2运行结果2.1有/无策略奖励2.2训练结果12.2训练结果23参考文献4Python代码、数据、文章1概述文献来源：根据微电网或微能源网是否与主电网相连接，可将其分为并网型和独立型2种。本文以并网型微能源网为研究对象，研究其并网运行的能量管理与优化问题。目前，
@橘柑橙柠桔柚·2025-02-28 19:58

深入详解人工智能机器学习：强化学习

目录强化学习概述强化学习的基本概念定义关键组件强化学习过程常用算法应用示例示例代码代码解释应用场景强化学习核心概念和底层原理核心概念底层原理总结强化学习概述强化学习（ReinforcementLearning
猿享天开·2025-02-28 15:58

机器学习：强化学习的epsilon贪心算法

强化学习（ReinforcementLearning,RL）是一种机器学习方法，旨在通过与环境交互，使智能体（Agent）学习如何采取最优行动，以最大化某种累积奖励。
田乐蒙·2025-02-28 15:25

通过放权的程度，可以看出上司的真正的所想所思!!

一、权力概述在企业内部，确实存在多种权利，这些权利的配置和行使对于企业的运营和发展至关重要。以下是对您提到的各种权利的详细解析：所有权：定义：企业所有权是指企业所有者对企业的财产所享有的占有、使用、收益和处分的权利。体现：企业所有者有权占有企业的财产，使用企业财产进行生产经营活动，获取企业盈利后的收益，以及对企业财产进行处分，如出售、转让、抵押等。与经营权的关系：在现代企业中，所有权和经营权往往是
文火冰糖的硅基工坊·2025-02-28 14:47

DeepSeek R1 简单指南：架构、训练、本地部署和硬件要求

DeepSeek推出的LLM推理新策略DeepSeek最近发表的论文DeepSeek-R1中介绍了一种创新的方法，通过强化学习（RL）提升大型语言模型（LLM）的推理能力。
爱喝白开水a·2025-02-28 07:52

python导出结果_Python连接Oracle数据查询导出结果

python连接oracle，需用用到模块cx_oracle，可以直接pip安装，如网络不好，可下载离线后本地安装本人由于工作需要，期望便捷查询所得结果，且固定输出某个格式具体代码如下：#!
weixin_39712821·2025-02-28 07:19

扑克强化学习：DouZero/douzero/dmc/dmc.py （train）

deftrain(flags):"""Thisisthemainfuntionfortraining.Itwillfirstinitilizeeverything,suchasbuffers,optimizers,etc.Thenitwillstartsubprocessesasactors.Then,itwillcalllearningfunctionwithmultiplethreads.""
强化学习曾小健·2025-02-28 03:54

智能路径规划：从数学建模到算法优化的理论与实践

从经典的Dijkstra算法到前沿的强化学习方法，路径规划技术的发展始终依赖于数学建模与算法优化的深度结合。
木子算法·2025-02-28 00:59
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他