强化学习玩俄罗斯方块

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

【蓝桥杯2024】省赛PA

试题A:拼正方形【问题描述】小蓝正在玩拼图游戏，他有7385137888721个2×2的方块和10470245个1×1的方块，他需要从中挑出一些来拼出一个正方形，比如用3个2×2和4个1×1的方块可以拼出一个
YiYo832·2025-03-07 17:43

第十五届蓝桥杯python组

填空题试题A:拼正方形【问题描述】小蓝正在玩拼图游戏，他有7385137888721个2×2的方块和10470245个1×1的方块，他需要从中挑出一些来拼出一个正方形，比如用3个2×2和4个1×1的方块可以拼出一个
Rainbow一定行·2025-03-07 17:13

java手机小游戏源码_Java手机版数独小游戏（J2me）JAVA游戏源码下载

数独游戏，相信朋友们都知道的，以前也经常玩的，用VB、VC++和Delphi版编写的都在网上宣布过，今天放出一个鉴于Java的J2me手机版的，大致看一下截图，这是在Java模拟机运行的界面，带有Java
weixin_39748773·2025-03-07 15:50

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

使用300M带宽是否可以流畅地玩原神

本文来自腾讯元宝ps：搬家了，需要装个路由器打游戏。根据搜索结果，300M的网络带宽完全可以满足《原神》的流畅游玩需求。以下是具体分析及优化建议：一、带宽需求与300M网络的适配性带宽要求较低《原神》作为一款开放世界游戏，对网络带宽的实际消耗并不高。根据测试，其峰值带宽需求通常在2-4M左右。即使是多人联机或高画质场景，300M带宽的剩余容量也足以应对其他设备同时使用（如视频播放、下载等）。运营商
lpl还在学习的路上·2025-03-07 01:16

P1019 [NOIP 2000 提高组] 单词接龙（深度搜索）

NOIP2000提高组T3题目描述单词接龙是一个与我们经常玩的成语接龙相类似的游戏，现在我们已知一组单词，且给定一个开头的字母，要求出以这个字母开头的最长的“龙”（每个单词都最多在“龙”中出现两次），在两个单词相连时
week_泽·2025-03-06 23:58

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

MEMU（逍遥模拟器）：游戏玩家的安卓模拟器神器

这对于需要同时运行多个账号的玩家来说非常实用，比如在玩《PUBGMobile》或《Pokémon
东风西巷·2025-03-06 12:45

给没有登录认证的web应用添加登录认证(openresty lua实现)

如果放在网上供多人使用的话，得接入登录认证才好，不然所有人都能蹭玩，这个可不太妙。我是用openresty反向代理将webui发布出去的，有好几种方案实现接入外部登录认证系统。首先是直接修改nextj
dgiij·2025-03-06 08:47

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

信奥赛CSP-J复赛集训（DP专题）（13）：P2800 又上锁妖塔

信奥赛CSP-J复赛集训（DP专题）（13）：P2800又上锁妖塔题目描述小A在玩《剑仙》，他遇到了一个锁妖塔，想从外面爬上去。锁妖塔共有nnn层，第i
王老师青少年编程·2025-03-05 12:52

活力四射陪玩系统源码：点燃游戏激情，共创欢乐陪玩新时代！

活力四射陪玩系统源码：点燃游戏激情，共创欢乐陪玩新时代！1.项目概述项目名称：活力四射陪玩系统项目目标：打造一个充满活力、互动性强的陪玩平台，通过技术赋能，提升用户的游戏体验，创造欢乐的陪玩新时代。
·2025-03-05 11:12

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

工作十年，我也没把happens before彻底搞懂

下面用小白能懂的语言解释一下“happensbefore”：想象两个朋友在玩传话游戏假设你和小伙伴A、B在玩传话游戏。
suyukangchen·2025-03-04 20:21

1_3. 跳格子2_动态规划（python）

1.题目一、题目描述小明和朋友玩跳格子游戏，有n个连续格子组成的圆圈，每个格子有不同的分数，小朋友可以选择从任意格子起跳，但是不能跳连续的格子，不能回头跳，也不能超过一圈。
YANQ662·2025-03-04 12:17

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

python实现的按键精灵

最近玩上了某款游戏，由于游戏中打怪需要一直按键盘上固定的几个键，时间一长手就会很累，为了解放左手，楼主自行实现了一款按键精灵。
亲爱的沸羊羊·2025-03-04 08:47

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

关于利用二维数组之前的只是建立简易扫雷代码的实践与心得

以及一个自定义的库函数二首先我们的目标是建立起一个9*9的表格，但是为了避免计算边界越界的问题，我们要通过建立11*11的表格来避免越界问题三建立表格的大致思路，（1）首先利用dowhile循环的特性建立起起始菜单，让我们选择玩或者不玩
tanyongxi66·2025-03-03 14:02

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

漫话UDS之Service 11

Listitem对于80后，你是否遇到过这样的场景：在以往去街面上网吧玩，由于是花钱，恨不得充分利用手头电脑，比如在玩游戏时，会打开自己感兴趣的视频播放，在游戏空闲期或者开个小窗口两不误。
车载诊断技术·2025-03-02 11:17

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

解锁数字艺术新玩法：NFT潮玩藏品的商业潜力与创新机遇

NFT潮玩数字藏品，作为一种全新的艺术表达和收藏形式，正在全球范围内掀起热潮。它不仅为艺术家和创作者提供了全新的变现渠道，也为品牌和项目方带来了巨大的商业价值。
·2025-03-01 18:29

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

【Unity小游戏】游戏开发案例-Unity打造畅玩无阻的小游戏（下）

击球方阵乒乓克隆使用立方体建造竞技场、球拍和球。移动球和球拍。击球并得分。让相机感受到冲击力。给游戏一个抽象的霓虹灯外观。这是有关基础游戏的系列教程中的第一个教程。在其中，我们将创建一个简单的Pong克隆。本教程是使用Unity2021.3.16f1制作的。沿上文内容收缩桨作为我们游戏的最后一个行为，让我们在每次得分时缩小。这根据玩家离获胜的接近程度创建让分盘。将其当前范围转换为私有字段，并使其最
U得一·2025-03-01 14:46

【读书笔记】《What is Mathematics》第一章：自然数

我数学渣锻炼自己解决问题的能力数据结构逻辑训练为将来转行数据科学做底子（也许永远都不会转）考研（emmm想考一个非全日制玩一玩，感觉非全日制很适合工科学生）嗯，有了以上的理由，所以一定要坚持下去✊为什么是这本书
还没入门的大菜狗·2025-03-01 07:21

【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

打卡信奥刷题（865）用C++信奥P11077[普及组/提高] 「FSLOI Round I」石子

P11077「FSLOIRoundI」石子题目背景Englishstatement.YoumustsubmityourcodeattheChineseversionofthestatement.小F和小L正在玩一种古老的博弈游戏的改版
Loge编程生活·2025-02-28 17:13

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

JS宏案例：在wps编辑器中玩numpy

NumPy是Python中用于科学计算的一个基础库，它提供了大量的数学函数工具，尤其是用于高效处理大型多维数组和矩阵。NumPy是Python数据分析、机器学习、科学计算等领域中不可或缺的一部分。然，在wps的js宏编辑器中，并没有这样一个模块或是全局对象，但是，问题不大，我们可以手搓一个。不过，要使用JS完全模拟python中的numpy是比较困难的，工作量也非常的大，我们可以适当简化一下，如只
jackispy·2025-02-28 15:57

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

Python 俄罗斯方块

#!/usr/bin/python3#-*-coding:utf-8-*-"""ZetCodePyQt5tutorialThisisaTetrisgameclone.author:JanBodnarwebsite:zetcode.comlastedited:January2015"""importsys,randomfromPyQt5.QtWidgetsimportQMainWindow,QFra
akio_medue·2025-02-28 14:20
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他