408强化第6页

DeepSeek R1 AI 论文翻译

DeepSeek-R1-Zero是一个通过大规模强化学习（RL）训练的模型，且在此过程中未使用监督微调（SFT）作为预处理步骤，展现出了显著的推理能力。

·2025-02-03 20:09

AIGC与虚拟身份及元宇宙的未来：虚拟人物创作与智能交互

云边有个稻草人-CSDN博客目录引言一、AIGC在元宇宙中的作用1.1AIGC与虚拟人物创作1.1.1生成虚拟人物外观1.1.2个性化虚拟角色设计1.2AIGC与虚拟角色的行为与交互1.2.1行为生成与强化学习

云边有个稻草人·2025-02-03 19:38

Reinforcement Learning 通过强化学习激励大型语言模型的推理能力

主要技术：1.强化学习(RL)核心是强化学习技术，像训练小狗一样，当模型做出正确的推理步骤或得到正确的

davenian·2025-02-03 18:56

基于“蘑菇书”的强化学习知识点（一）：奖励函数（Reward Function）和价值函数（Value Function）的区别

奖励函数（RewardFunction）和价值函数（ValueFunction）的区别摘要1.定义与目标奖励函数（RewardFunction）价值函数（ValueFunction）2.核心区别3.具体示例场景：迷宫导航问题(1)奖励函数的设计(2)价值函数的计算对比结果4.关系与协同作用总结摘要本系列知识点讲解基于蘑菇书EasyRL中的内容进行详细的疑难点分析！具体内容请阅读蘑菇书EasyRL！

墨绿色的摆渡人·2025-02-03 17:20

初入机器学习

也为大家提供一些个人的思考一切仅供参考概念辨析深度学习：本质是建模，将训练得到的模型作为系统的一部分使用侧重于发现样本集中隐含的规律难点是认识并了解模型，合理设置初始模型，要对建模对象有比较深刻的认识依赖大量的准确训练样本强化学习

辰尘_星启·2025-02-03 14:54

基于CNN(一维卷积Conv1D)+LSTM+Attention 实现股票多变量时间序列预测(PyTorch版)

食品饮料、运动健身、交通运输、环境科学、社交媒体以及文本和图像处理等诸多领域，讨论了各种复杂的深度神经网络思想，如卷积神经网络、循环神经网络、生成对抗网络、门控循环单元、长短期记忆、自然语言处理、深度强化学习

矩阵猫咪·2025-02-03 12:42

DeepSeek：开启智能搜索与AI发展的新纪元

一、DeepSeek简介DeepSeek由杭州深度求索人工智能基础技术研究有限公司推出，是一款集自然语言处理（NLP）、计算机视觉（CV）、强化

gs80140·2025-02-03 08:08

AI模型升级版0.02

pps-key·2025-02-03 02:51

DeepSeek-R1,DeepSeek-V3,DeepSeek-VL,DeepSeek-V2,DeepSeek-R1-Zero各个模型区别

3.模型参数与规模4.应用场景5.性能表现6.发布时间7.价格1.各个模型架构DeepSeek-R1：未明确有特殊架构说明，但属于推理模型，可能在Transformer架构基础上针对推理做了优化，通过强化学习训练实现大量反思和验证

fpga和matlab·2025-02-03 01:12

强化学习中的关键模型与算法：从Actor-Critic到GRPO

强化学习中的关键模型与算法：从Actor-Critic到GRPO强化学习中的Actor-Critic模型是什么？这与生成对抗网络（GANs）十分相似。

·2025-02-02 22:14

【Legged Gym】Legged Gym训练参数详解与自定义任务实现

LeggedGym训练参数详解与自定义任务实现在进行机器人强化学习训练时，LeggedGym提供了一套灵活的参数配置系统，以适应不同的训练需求和环境。

啵啵啵啵哲·2025-02-02 19:28

监督学习、无监督学习和强化学习的特点和应用场景

在机器学习中，监督学习、无监督学习和强化学习是三种核心的学习范式，它们各自具有独特的特点和应用场景。

BugNest·2025-02-02 16:03

LSTM 网络在强化学习中的应用

LSTM网络在强化学习中的应用关键词：LSTM、强化学习、时序依赖、长期记忆、深度Q网络、策略梯度、Actor-Critic摘要：本文深入探讨了长短期记忆（LSTM）网络在强化学习领域的应用。

AI天才研究院·2025-02-02 14:23

攻克设备数据质量难题：深度学习应用的数据基石搭建教程（DBSCAN 聚类算法）

本文聚焦设备数据采集与预处理阶段面临的噪声干扰、数据缺失等难题，深入讲解强化采集端管控的策略，详细剖析聚类、统计法及线性回归模型在数据清洗与补全中的应用原理，并结合振动传感器数据实例给出可实操的Python

AI_DL_CODE·2025-02-02 10:51

YOLOv10改进策略【Neck】| NeurIPS 2023 融合GOLD-YOLO颈部结构，强化小目标检测能力

将其应用于YOLOv10的改进过程中，能够使模型更有效地整合多尺度特征，减少信息损失，强化对不同大小目标物体的特征表达，从而提升模型在复杂场景下对目标物体的检测精度与定位准确性。

Limiiiing·2025-02-02 10:50

Java 大视界 -- Java 大数据中的强化学习算法实践与优化（57）

亲爱的朋友们，热烈欢迎来到青云交的博客！能与诸位在此相逢，我倍感荣幸。在这飞速更迭的时代，我们都渴望一方心灵净土，而我的博客正是这样温暖的所在。这里为你呈上趣味与实用兼具的知识，也期待你毫无保留地分享独特见解，愿我们于此携手成长，共赴新程！一、欢迎加入【福利社群】点击快速加入：青云交灵犀技韵交响盛汇福利社群点击快速加入2：2024CSDN博客之星创作交流营（NEW)二、本博客的精华专栏：大数据新视

青云交·2025-02-02 05:40

机器学习笔记——特征工程

本笔记介绍机器学习中常见的特征工程方法、正则化方法和简要介绍强化学习。

好评笔记·2025-02-01 21:56

网络安全知识：网络安全网格架构

此外，强化组合环境需要可互操作的跨域功能，以增强协作，这样就不需要多个解决方案来实现相同的功能。在这种情况下，网络安全网格架构（CSMA）提供了一种可扩展的方法来

ManageEngine卓豪·2025-02-01 20:14

【AI人工智能】DeepSeek R1：你需要知道的一切

我们将在本博客中介绍的关于DeepSeekR1的所有你需要知道的一切内容，请坚持认真读完，必有收获：DeepSeekR1简要概述主要特点与能力开源与可访问性模型架构强化学习训练变体与精简模型使用案例与应用从专有模型迁移到开源模型

大名顶顶·2025-02-01 17:22

XXL-CRAWLER v1.4.0 ｜ Java爬虫框架

ReleaseNotes1、【提升】爬虫JS渲染能力强化：升级提供"Selenium+ChromeDriver"方案支持JS渲染，兼容性更高，废弃旧Phantomjs方案。

·2025-02-01 16:50

DeepSeek R1 简易指南：架构、培训、本地部署和硬件要求

该研究突破性地采用强化学习（ReinforcementLearning）作为核心训练范式，在不依赖大规模监督微调的前提下显著提升了模型的复杂问题求解能力。

·2025-02-01 16:49

机器学习-期末复习题

给人脸打上标签再让模型进行学习训练的方法，属于()强化学习B.半监督学习C.监督学习D.无监督学习在机器学习中，用计算机处理一副图像，维度是：上万维B.二维C.三维D.一维‎以下关于降维的说法不正确的是

泡椒鸡jo·2025-02-01 15:32

【大模型应用开发动手做AI Agent】Plan and Solve策略的提出

【大模型应用开发动手做AIAgent】Plan-and-Solve策略的提出关键词：大模型，AIAgent，Plan-and-Solve，智能体，策略学习，强化学习，自然语言处理1.背景介绍随着人工智能技术的飞速发展

杭州大厂Java程序媛·2025-02-01 14:22

「DeepSeek接班OpenAI」，最新开源的R1推理模型，让AI圈爆了

多阶段训练：创新的模型架构DeepSeek-R1的训练方式采用了多阶段循环的策略，具体包括基础训练、强化学习（RL）、微调等多个阶段。这

人工智能学家·2025-02-01 06:23

DeepSeek R1：AI领域的新标杆

此外，R1-Zero模型通过强化学习和测试时计算实现了强大的推理能力，无需监督微调数据，标志着中国在AI领域的快速崛起，挑战美国的主导地位。AI模型在推理能

XianxinMao·2025-02-01 06:23

Hindsight Experience Replay (HER) 算法

HindsightExperienceReplay(HER)算法简介HindsightExperienceReplay(HER)是一种强化学习中的技术，旨在解决稀疏奖励问题，特别适用于目标导向的任务（例如机器人控制

C7211BA·2025-01-31 23:25

A3C（Asynchronous Advantage Actor-Critic）算法

A3C（AsynchronousAdvantageActor-Critic）是一种强化学习算法，它结合了Actor-Critic方法和异步更新（AsynchronousUpdates）技术。

C7211BA·2025-01-31 23:25

DeepSeek 推出全新推理模型 R1-Lite 预览版

R1系列模型采用强化学习训练，推理过程中包含大量反思和验证，思维链长度可达数万字。该系列模型在数学、代码以及各种复杂逻辑推理任务上，取得了媲美o1-preview的推理效果。

三花AI·2025-01-31 22:47

强化学习在自动驾驶中的实现与挑战

强化学习在自动驾驶中的实现与挑战自动驾驶技术作为当今人工智能领域的前沿之一，正通过各种方式改变我们的出行方式。

Echo_Wish·2025-01-31 20:55

AI：263-强化学习在自动驾驶领域的应用与前沿挑战

强化学习在自动驾驶中的应用与挑战自动驾驶汽车是当前人工智能和机器学习的热门研究方向，而强化学习（ReinforcementLearning，RL）因其在复杂动态环境中的决策能力，成为推动自动驾驶技术的重要工具

一键难忘·2025-01-31 20:24

强化学习在自动驾驶技术中的应用与挑战

摘要：围绕强化学习在自动驾驶领域的应用进行了多方面的概括和总结。

电气_空空·2025-01-31 20:54

强化学习：在无人驾驶中的应用

强化学习：在无人驾驶中的应用作者：禅与计算机程序设计艺术/ZenandtheArtofComputerProgramming1.背景介绍1.1问题的由来随着科技的飞速发展，无人驾驶技术逐渐成为汽车工业和人工智能领域的热点

AI天才研究院·2025-01-31 19:23

基于强化学习的自动驾驶决策规划算法

基于强化学习的自动驾驶决策规划算法作者：禅与计算机程序设计艺术1.背景介绍自动驾驶技术是当前人工智能领域最受关注和投入的方向之一。

AI天才研究院·2025-01-31 19:22

论文笔记（七十）DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning（二）

DeepSeek-R1:IncentivizingReasoningCapabilityinLLMsviaReinforcementLearning（二）文章概括摘要：2.方法2.3.DeepSeek-R1：冷启动强化学习

墨绿色的摆渡人·2025-01-31 07:01

操作系统PV大题汇总（408）

pwd=deng提取码：dengb站视频：408-计算机网络

Pan_peter·2025-01-31 01:42

pytorch深度Q网络

DQN的关键创新包括：经验回放（ExperienceReplay）：在强化学习中，当前的学习可能会依赖于最近的经验，容易

纠结哥_Shrek·2025-01-30 23:31

企业数字化运营系统总体规划蓝图、企业信息化建设总体规划方案

一、企业数字化运营系统总体规划蓝图1.数字化建设目标与愿景我们的数字化建设目标是实现企业的全面数字化转型，通过科技的力量提升运营效率、优化客户体验、强化数据分析能力，从而增强企业的核心竞争力。

公众号：优享智库·2025-01-30 19:27

【DeepSeek】复现DeepSeek R1？快来看这个Open R1项目实践指南~

因此，这篇博客会从最初的概念入手，带领大家了解OpenR1的原理与技术细节，并侧重讲解其中最为关键的强化学习训练方法之一——GRPO(群组相对策略优化,GroupRela

FF-Studio·2025-01-30 19:24

实战LLM强化学习——使用GRPO（DeepSeek R1出圈算法）

但，为了更好的理解强化学习在LLM训练过程中发挥的意义，也为了学习GPRO这个强化学习算法，笔者出此题目，方便大家学习理解。GRPO（GroupRela

FF-Studio·2025-01-30 19:54

408数据结构_单链表的存储（带头结点）

准备工作#includeusingnamespacestd;typedefintElemType;typedefstructLNode{ElemTypedata;structLNode*next;}LNode,*LinkList;初始化boolInitList(LinkList&L){L=(LNode*)malloc(sizeof(LNode));L->next=NULL;returntrue;}

释放:·2025-01-30 17:31

启元世界（Inspir.ai）技术浅析（一）

公司汇聚了来自全球顶尖公司和高等学府的技术专家，专注于深度强化学习、推荐算法以及机器学习系统平台等前沿领域，并成功将人工智能技术应用于数字娱乐、智能决策和机器人等多个领域。

爱研究的小牛·2025-01-30 12:28

2021考研408计算机操作系统知识点整理汇总（参考王道书、汤子瀛教材）【不断更新完善中...

计算机操作系统一.操作系统引论1.操作系统的目标和功能目标方便性有效性提高系统资源利用率提高系统吞吐量可扩充性开放性作用OS作为用户与计算机硬件系统之间的接口命令方式系统调用方式图标–窗口方式OS实现了对计算机资源的抽象2.操作系统的发展过程未配置操作系统的计算机系统人工操作方式用户独占全机CPU等待人工操作严重降低了计算机资源的利用率脱机输入/输出(Off–LineI/O)方式减少了CPU的空闲

秃秃兔不秃·2025-01-30 12:51

Rust中奖励函数的实现与应用

Rust中奖励函数的实现与应用作者：禅与计算机程序设计艺术/ZenandtheArtofComputerProgramming关键词：Rust,奖励函数,强化学习,机器学习,状态空间1.背景介绍1.1问题的由来在机器学习领域

AI天才研究院·2025-01-30 07:45

LLM based Single Agent System

LLM-BasedSingleAgentSystem:ANewEraofIntelligentAutomation关键词：大语言模型，单智能体系统，强化学习，自然语言处理，智能自动化1.背景介绍近年来，

AGI大模型与大数据研究院·2025-01-30 05:03

AI常见的算法

人工智能（AI）中常见的算法分为多个领域，如机器学习、深度学习、强化学习、自然语言处理和计算机视觉等。

纠结哥_Shrek·2025-01-30 03:49

【DL】神经网络与机器学习基础知识介绍（一）

文章目录基本通用概念梯度下降算法数据工程训练技术偏差与方差防止过拟合评估指标决策树基本通用概念机器学习的类型：监督学习（SupervisedLearning）：分类，回归无监督学习（UnsupervisedLearning）：聚类，降维强化学习

MengWoods·2025-01-30 01:01

提示词设计流程 ——《如何从0开始构建一个基于强化学习的AI智能体》使用场景为例

《如何从0开始构建一个基于强化学习的AI智能体》使用场景提示词设计流程是否识别改进点分析评估结果根据反馈调整提示词细化内容要求增强专业术语调整约束条件验证专业性检查内容准确性评估逻辑连贯性上下文提供角色设定指令描述输入问题设计约束条件设定输出格式定义示例参考提供开始明确目标与需求确定任务类型定义预期结果识别关键问题结构化提示词设计生成初始提示词使用

由数入道·2025-01-29 21:07

【DeepSeek】大模型强化学习训练GRPO算法，你学会了吗？

如果你还不知道GRPO，你可以先看这篇帖子：【DeepSeek】一文详解GRPO算法——为什么能减少大模型训练资源？看了论文跟没看一样？做两道题练练！曾经最痛恨的应试教育，却能让你深深记住这知识点。由ChatGPTo1pro生成，o1pro的输出token和写作能力比DeepSeekR1强。GRPO原论文链接：https://arxiv.org/abs/2402.03300GRPO中译文链接：ht

FF-Studio·2025-01-29 21:56

《深度剖析Q-learning中的Q值：解锁智能决策的密码》

在人工智能的飞速发展进程中，强化学习作为一个关键领域，为智能体与环境交互并学习最优行为策略提供了有效框架。

·2025-01-29 19:51

火出圈的DeepSeeK R1详解

强化学习驱动的训练：采用大规模强化学习技术，仅需极少量标注数据，显著提升推理能力。长链推理（CoT）支持：思维链长度可达数万字，能逐步分解复杂问题，通过多步骤逻辑推理解决问题。

清风AI·2025-01-29 17:58

推荐频道

408强化