E-COM-NET
首页
在线工具
Layui镜像站
SUI文档
联系我们
推荐频道
Java
PHP
C++
C
C#
Python
Ruby
go语言
Scala
Servlet
Vue
MySQL
NoSQL
Redis
CSS
Oracle
SQL Server
DB2
HBase
Http
HTML5
Spring
Ajax
Jquery
JavaScript
Json
XML
NodeJs
mybatis
Hibernate
算法
设计模式
shell
数据结构
大数据
JS
消息中间件
正则表达式
Tomcat
SQL
Nginx
Shiro
Maven
Linux
强化学习纲要
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
分布式
人工智能
深度学习
自然语言处理
机器学习
《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
笔记
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
LLM
Daily
LLM
Weekly
人工智能
自然语言处理
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
机器学习笔记
机器学习
人工智能
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
人工智能
python
人机交互
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
智能体的自我修炼:强化学习指南
深度学习
算法
人工智能
DQN
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
AI技术快讯
人工智能
python
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
机器学习
人工智能
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
AI大模型应用入门实战与进阶
java
python
javascript
kotlin
golang
架构
人工智能
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
LLM
python
大模型
LLM
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
人工智能
人工智能
chatgpt
(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
强化学习从入门到实践
transformer
人工智能
大模型
架构
强化学习
DeepSeek
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
人工智能
【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大模型
机器学习
AI
大模型
人工智能
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
面试
学习路线
阿里巴巴
chatgpt
人工智能
语言模型
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
Stable
Diffusion
自然语言处理
人工智能
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
机器学习
大模型
人工智能
人工智能
深度学习
机器学习
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
深度学习
机器学习
神经网络
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
人工智能
人工智能
强化学习
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
人工智能
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
人工智能
pytorch
迁移学习
人工智能
【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
深度学习
人工智能
算法
机器学习
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
人工智能
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
开源开源项目介绍
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
大模型专题系列
语言模型
人工智能
自然语言处理
数智节点DXN港澳门户启航 绘制区块链全新生态蓝图
在国家“十四五”规划和2035年远景目标
纲要
中,区块链被正式纳入“新基建”范畴,成为加速发展数字经济和建设数字中国的大政方针。
数智节点DXN
·
2025-03-03 19:09
区块链
大数据
人工智能
java
android
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
ai
AI编程
论文阅读
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
web安全
安全
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
智能体的自我修炼:强化学习指南
机器学习
人工智能
基础篇
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
matlab
开发语言
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
python
numpy
机器学习
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
深度学习
人工智能
机器学习
架构
transformer
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
2025年最新-深度学习+AI
DeepSeek和AI工具
深度学习
Deepseek
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
智元启示录
深度学习
人工智能
机器学习
USB
Softmax
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
AI
python
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
人工智能
ai
深度学习
机器学习
语言模型
【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
python
算法
人工智能
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
人工智能基础知识学习
人工智能
机器学习
强化学习
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
ML
机器学习
贪心算法
人工智能
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
人工智能
AI大模型
DeepSeek
R1
DeepSeek
算法
人工智能训练
大模型部署
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
python
人工智能
深度学习
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
人工智能
数学建模
数学建模
算法
人工智能
【人工智能算法】人工智能算法都包括什么?请详细列出和解释
请详细列出和解释1.机器学习算法(MachineLearningAlgorithms)监督学习算法(SupervisedLearning)无监督学习算法(UnsupervisedLearning)
强化学习
算法
资源存储库
·
2025-02-27 22:08
算法
强化学习
人工智能
算法
腿足机器人之十三-
强化学习
PPO算法
腿足机器人之十三-
强化学习
PPO算法腿足机器人位姿常用
强化学习
算法PPO算法核心原理PPO算法的创新设计PPO算法典型流程优势函数对于复杂地形适应性(如楼梯、碎石路),传统的腿足机器人采用基于模型的控制器
shichaog
·
2025-02-27 22:05
腿足机器人
机器人
算法
php
微调 LLM (RLHF + DPO)
微调LLM(RLHF+DPO)使用
强化学习
(RL)根据人类反馈微调大语言模型(即RLHF)的方法,以及一种更有效的改进方法(即DPO)。
·
2025-02-27 21:56
人工智能
2025,AI变现有哪些机遇与挑战?
技术路线上,也不再局限于算力堆叠,而是探索
强化学习
、符号推理、类脑计算等新路径。并且,投入更小、更垂直的小模型涌现,为特定领域的应用提供了更高效的解决方案。
Imagination官方博客
·
2025-02-27 19:41
人工智能
DeepSeek R1、Kimi k1.5与OpenAI o1:技术架构、性能对比及应用前景深度剖析
深度拆解技术架构DeepSeekR1:
强化学习
驱动的革新之路DeepSeekR1的核心在于对
WilsonShiiii
·
2025-02-27 00:48
语言模型
gpt
深入解析 DeepSeek R1:
强化学习
如何驱动大模型推理能力的进化
引言在AI竞赛日益激烈的时代,DeepSeek-AI推出了DeepSeekR1,试图以
强化学习
(RL)直接训练推理能力,而非仅依赖传统的监督微调(SFT)。
海棠AI实验室
·
2025-02-26 23:07
智元启示录
人工智能
deep
learning
DeepSeek-R1
ThinkJSON:通过
强化学习
让大型语言模型(LLM)严格遵守JSON模式
作者:BhavikAgarwal,IshanJoshi,ViktoriaRojkova机构:MasterControlAIResearch链接:arXiv:2502.14905v1本文提出了一种轻量级
强化学习
框架
AI仙人掌
·
2025-02-26 20:17
人工智能
深度学习
基于“桌面云+RPA”技术金融应用实施建议
“十四五”规划和2035年远景目标
纲要
明确提出,要加快数字化发展,建设数字中国,并特别强调要加强金融科技应用,推动金融机构数字化转型。
风来泊
·
2025-02-26 05:55
银行信息系统架构详解
rpa
金融
上一页
1
2
3
4
5
6
7
8
下一页
按字母分类:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他