强化学习---赌博机

揭秘DeepSeek内幕：清华教授剖析AI模型技术原理

在本文中，清华大学长聘副教授将深入剖析DeepSeekR1背后的大规模强化学习技术及其基本原理，并进一步展望大模型技术未来的发展方向。

大模型.·2025-02-16 19:23

DeepSeek正重构具身大模型和人形机器人赛道！

2024年1月20日，公司发布全球首个完全通过强化学习训练的专注于推理任务的高性能语言模型DeepSeek-R1

Robot251·2025-02-16 17:12

DeepSeek-R1-Zero 与 DeepSeek-R1 的异同与优劣分析

DeepSeek-R1-Zero与DeepSeek-R1的异同与优劣分析一、相同点核心训练方法：两者均基于强化学习（RL），采用GroupRelativePolicyOptimization（GRPO）

AI生成曾小健·2025-02-16 04:34

《深度Q网络优化：突破高维连续状态空间的束缚》

在人工智能的发展历程中，深度Q网络（DQN）作为强化学习与深度学习融合的关键成果，为解决复杂决策问题开辟了新路径。

·2025-02-15 18:22

DQN的原理和代码实现

文章目录1.概述2.DQN的训练步骤2.1初始化2.2训练循环2.3终止条件2.4评估3.代码示例1.概述深度Q网络（DeepQ-Network,DQN）是强化学习中的一种重要算法，由GoogleDeepMind

SmallerFL·2025-02-15 15:23

DQN原理和代码实现

参考：王树森《强化学习》书籍、课程、代码1、基本概念折扣回报：Ut=Rt+γ⋅Rt+1+γ2⋅Rt+2+⋯+γn−t⋅Rn.U_t=R_t+\gamma\cdotR_{t+1}+\gamma^2\cdotR

KPer_Yang·2025-02-15 14:20

强化学习在机器人控制中的应用：从理论到实践

强化学习在机器人控制中的应用：从理论到实践大家好，我是你们熟悉的人工智能与Python领域自媒体创作者Echo_Wish。今天我们来聊聊一个炙手可热的话题——强化学习在机器人控制中的应用。

Echo_Wish·2025-02-15 13:08

X-R1 项目代码文件的详细剖析并精读rewards、grpo、x_grpo_trainer（src/x_r1）

这个项目名为[X-R1](https://github.com/dhcode-cpp/X-R1)，是一个基于强化学习的训练框架，旨在构建一个易于使用、低成本的训练框架，以加速ScalingPost-Training

仙人掌_lz·2025-02-15 12:34

Python深度学习代做目标检测NLP计算机视觉强化学习

了解您的需求，您似乎在寻找关于Python深度学习领域的代做服务，特别是在目标检测、自然语言处理（NLP）、计算机视觉以及强化学习方面。以下是一些关于这些领域的概述以及寻找相关服务的建议。

matlabgoodboy·2025-02-15 10:43

Bengio新作Aaren：探索Transformer性能与RNN效率的融合

实验表明，Aaren在四个流行的序列问题设置（强化学习、事件预测、时间序列分类和时间序列预测）的38个数据

AI记忆·2025-02-15 03:17

先进制造aps专题二十九基于ai智能体的生产排程和工厂生产仿真引擎的设计

再在工厂仿真引擎里仿真执行，这样可以预先分析计划和执行的差异情况并进行调整优化这里的产生生产计划，仿真生产执行和数据分析都是人工进行的这些工作可以让ai智能体来做，从而实现整套流程的自动化和智能化我们可以在强化学习框架中结合排产仿真

lijianhua_9712·2025-02-14 21:02

DeepSeek R1：引领未来教育革命的自适应学习路径规划系统

随着人工智能技术的进步，特别是深度学习和强化学习的应用，我们能够更加精准地识别学习者的需求，并据此设计出最适合他们的学习路径。利用先进的算法和模型来实现对学习路径的智能化管理。

Coderabo·2025-02-14 18:38

Deepseek背后的强化学习RL入门理解和Python脚本实现

强化学习简单原理强化学习是一种让智能体通过与环境的交互来学习最优行为策略的方法。想象一下，你有一只小狗，你想让它学会自己找到回家的路。

大F的智能小课·2025-02-14 12:54

DeepSeek正重构人形机器人和具身大模型赛道！

2024年1月20日，公司发布全球首个完全通过强化学习训练的专注于推理任务的高性能语言模型DeepSeek-R1

Robot251·2025-02-14 10:38

【AI论文】使用大型推理模型进行竞技编程

摘要：我们的研究表明，将强化学习应用于大型语言模型（LLMs）能显著提升复杂编码和推理任务的性能。

东临碣石82·2025-02-13 23:06

【必看】凭啥？DeepSeek如何用1/179的训练成本干到GPT-4o 98%性能

其核心策略包括减少监督微调（SFT）步骤，仅依赖强化学习（RL）技术。DeepSeek-R1-Zero版本完全跳过SFT，仅通过RL进行训练。

大F的智能小课·2025-02-13 21:51

书籍-《强化学习数学基础》

书籍：MathematicalFoundationsofReinforcementLearning作者：赵世钰出版：Springer编辑：陈萍萍的公主@一点人工一点智能下载：书籍下载-《强化学习数学基础

·2025-02-13 20:48

强化学习算法：蒙特卡洛树搜索 (Monte Carlo Tree Search) 原理与代码实例讲解

强化学习算法：蒙特卡洛树搜索(MonteCarloTreeSearch)原理与代码实例讲解关键词：蒙特卡洛树搜索,强化学习,决策树,搜索算法,博弈策略,应用场景,代码实现1.背景介绍1.1问题由来强化学习

杭州大厂Java程序媛·2025-02-13 07:02

普惠AI 如何在 Anolis OS 8 上部署生产可用的 DeepSeek 推理服务

背景介绍DeepSeek-R1DeepSeek-R1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。

·2025-02-12 17:52

手把手教学，DeepSeek-R1微调全流程拆解

手把手教学，DeepSeek-R1微调全流程拆解原创极客见识GeekSavvy2025年02月09日09:02广东DeepSeek通过发布其开源推理模型DeepSeek-R1颠覆了AI格局，该模型使用创新的强化学习技术

AI生成曾小健·2025-02-12 05:01

对DeepSeek-R1通过强化学习提升大型语言模型推理能力的技术原理解析

强化学习基础•基本概念：强化学习是一种机器学习方法，智能体（模型）通过与环境进行交互，根据环境反馈的奖励信号来学习最优的行为策略。

一只贴代码君·2025-02-12 02:12

【专题】DeepSeek颠覆性在于实现AI平权、惊艳世界，算力与应用将迎来结构性变化报告汇总PDF洞察（附原数据表）

DeepSeek-R1的出现是个大事件，它在技术创新方面，通过独特的强化学习与蒸馏技术，在性能上逼近国际领先模型。

·2025-02-11 21:14

DeepSeek R1 简易指南：架构、本地部署和硬件要求

DeepSeek-R1-Zero证明了纯粹的强化学习是可行的，而DeepSeek-R1则展示了如何将监督学习与强化学习相结合，从而创建出能力更强、更实用的模型。

·2025-02-11 12:49

『大模型笔记』国外大神对DeepSeek R1的科普！

强化学习（新的规模定律？）模型蒸馏（新的规模定律？）2025年的预测地缘政治：Distealing结论讨论二

AI大模型前沿研究·2025-02-11 09:02

从零开始：用Python手写神经网络

从图像识别到自然语言处理，再到强化学习，神经网络的身影无处不在。然而，对于许多初学者来说，神经网络似乎是一个神秘而复杂的黑盒子。

WHCIS·2025-02-11 08:27

AI分支知识之机器学习，深度学习，强化学习的关系

机器学习，深度学习，强化学习的关系这一篇文章我们来探讨下AI领域中机器学习（ML）、深度学习（DL）和强化学习（RL）的关系。

王钧石的技术博客·2025-02-11 08:55

强化学习关键技术：重要性采样深度剖析

目录一、引言二、重要性采样基本原理（一）什么是重要性采样（二）重要性采样在强化学习中的作用三、判断采样好坏的方法（一）偏差（Bias）（二）方差（Variance）（三）有效样本数量（EffectiveSampleSize

进一步有进一步的欢喜·2025-02-11 08:21

DeepSeek R1为什么能

DeepSeekR1模仿人类思考方式的核心在于其纯强化学习训练方式，这种方式更接近人类通过试错和反馈来学习的过程。与GPT等传统模型依赖大量标注数据进行监督学习不同，Dee

森焱森·2025-02-11 03:48

大模型入门（六）—— RLHF微调大模型

2）训练奖励模型奖励模型是输入一个文本序列，模型给出符合人类偏好的奖励数值，这个奖励数值对于后面的强化学习训练非常重要。构建奖励模型的训练数据一般是同一个数据用不同的语言模型生成结果，然后人工打分。

LLM.·2025-02-10 23:17

汽车自动驾驶AI

决策系统：基于感知数据，AI通过深度学习、强化学习等算法进行路径规划和决策控制。例如，利用

pps-key·2025-02-10 07:00

大模型学习笔记 - LLM 对齐优化算法 DPO

训练的目标是语言模型损失，任务是nexttokenprediction，生成的token不可控，为了让大模型能生成符合人类偏好的答案(无毒无害等）一般都会进行微调和人类对齐，通常采用的方法是基于人类反馈的强化学习方法

JL_Jessie·2025-02-10 03:54

一切皆是映射：域适应在DQN中的研究进展与挑战

1.背景介绍1.1深度强化学习与域适应的邂逅深度强化学习(DeepReinforcementLearning,DRL)在近年来取得了瞩目的成就，从Atari游戏到围棋，再到机器人控制，其强大的学习能力令人惊叹

AI天才研究院·2025-02-10 00:33

DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning论文解读

文章目录前言一、摘要二、引言三、贡献1.贡献后训练：基础模型的大规模强化学习蒸馏：较小的模型也可以很强大2.评估结果概览reasoningtasksknowledgeohters四、方法1.Overview2

tangjunjun-owen·2025-02-09 23:54

DeepSeek-R1 原理解析及 Linux 本地部署详细教程

二、DeepSeek-R1原理解析2.1强化学习训练DeepSeek-R1系列模型借助强化学习进行训练，这是其具备强大推理能力的

power-辰南·2025-02-09 12:05

一文搞懂DeepSeek - 开源模型R1

其纯强化学习的训练方法、开源与低成本的特性以及技术创新使得DeepSeek-R1成为了AI领域的一颗新星。**在多个基准测试中，DeepSeek-R1的表现优于或接近OpenAIo1。

程序员辣条·2025-02-09 01:12

DQN深度强化学习：CartPole倒立摆任务（完整代码）

DQN（DeepQ-Network，深度Q网络）是Q-Learning的深度学习扩展，通过神经网络替代Q表的方式来解决高维状态空间问题（例如图像输入），开启了深度强化学习时代。它在2013年由Dee

林泽毅·2025-02-08 21:45

Deepseek成功启示：从 TRPO 到 GRPO训练LLM

本文将深入探讨LLMs的训练过程，特别是强化学习（ReinforcementLearning，RL）（深度解析DeepSeekR1：强化学习与知识蒸馏的协同力量）在这一领域的应用，从TRP

大模型之路·2025-02-08 20:03

机器学习模型创建的数学原理

1模型工作原理机器学习学习模型主要分为监督学习、无监督学习、半监督学习和强化学习，本文聚焦探讨目前应用最为广泛的监督学习问题，下午如未特殊指明，机器学习特指有监督学习机器学习。

HadesZ~·2025-02-08 15:04

一切皆是映射：强化学习在医疗诊断中的应用：挑战与机遇

《一切皆是映射：强化学习在医疗诊断中的应用：挑战与机遇》关键词强化学习，医疗诊断，图像识别，数据预处理，算法优化摘要随着医疗技术的发展，医疗诊断的准确性和效率越来越受到关注。

AI天才研究院·2025-02-08 07:28

DeepSeek-R1深度报告：基于Python强化学习的前沿长链推理模型揭秘与实战——兼谈SEO优化与实用经验分享

【DeepSeek-R1深度报告：基于Python强化学习的前沿长链推理模型揭秘与实战——兼谈SEO优化与实用经验分享】配合此文章使用，效果更佳：DeepSeek-R1深度报告——50道相关面试题——深刻理解相关概念

快撑死的鱼·2025-02-08 05:19

DeepSeek模型与OpenAI模型原理和技术架构的异同分析

DeepSeek模型与OpenAI模型原理和技术架构的异同分析一、模型原理（一）DeepSeekR1DeepSeekR1的核心原理是基于强化学习（RL）的训练方式，其创新之处在于不依赖任何监督微调（SFT

程序猿000001号·2025-02-08 04:10

【论文阅读】DeepSeek-R1：通过强化学习激励LLMs的推理能力 | DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via RL

DeepSeek-R1:IncentivizingReasoningCapabilityinLLMsviaReinforcementLearningDeepSeek-R1：通过强化学习激励LLMs的推理能力

AI天才研究院·2025-02-07 22:05

深入浅出 DeepSeek-Coder-V2 是如何打破闭源模型封锁的

今天，我们就从模型架构、训练数据、强化学习优化三

fertiland·2025-02-07 17:33

SRMT：一种融合共享记忆与稀疏注意力的多智能体强化学习框架

在人工智能(AI)和强化学习(RL)领域的发展进程中，长期记忆维持和决策优化一直是核心技术难点。传统强化学习模型在经验回溯方面存在局限性，这显著制约了其在复杂动态环境中的应用效果。

·2025-02-07 13:28

[论文笔记] Deepseek技术报告

1.总体概述背景与目标报告聚焦于利用强化学习（RL）提升大型语言模型（LLMs）的推理能力，旨在探索在不依赖大规模监督微调（SFT）的情况下，模型如何自我进化并形成强大的推理能力。

心心喵·2025-02-06 22:53

它在强化学习中的作用是什么？

“若要得到救赎，必先承受痛苦。”作者主页：追光者♂个人简介：[1]计算机专业硕士研究生[2]2023年城市之星领跑者TOP1(哈尔滨)[3]2022年度博客之星人工智能领域TOP4[4]阿里云社区特邀专家博主[5]CSDN-人工智能领域优质创作者无限进步，一起追光！！！

追光者♂·2025-02-06 14:34

深度学习与搜索引擎优化的结合：DeepSeek的创新与探索

目录引言1.传统搜索引擎的局限性2.深度学习在搜索引擎中的作用3.DeepSeek实现搜索引擎优化的关键技术3.1神经网络与搜索引擎优化3.2自然语言处理与查询理解3.3深度强化学习与搜索结果排序4.DeepSeek

云边有个稻草人·2025-02-06 10:37

AI协助探索AI新构型自动化创新的技术实现

一、AI自进化架构的核心范式1.元代码生成与模块化重构-代码级自编程：基于神经架构搜索的强化学习框架，AI可通过生成元代码模板（框架的抽象层定义）自动组合功能模块。

liron71·2025-02-06 10:35

国家超算平台上线DeepSeek - R1系列模型：开启AI新征程

它用了强化学习训练，推理的时候会反复思考验证，思维链能有好几万字长。在数学、代码编写和复杂逻辑推理这些方面，表现相当厉害

CodeJourney.·2025-02-06 08:25

AI大模型探秘：核心能力与应用场景深度解析

AI：包含很多术语，如：模式识别、自然语言处理、神经网络、机器学习、深度学习、强化学习、人类反馈强化学习等。类比：AI是电力–吴恩达。

程序员辣条·2025-02-06 08:53

推荐频道