ReinForcement

深度强化学习实战：探索与行动的交响曲

深度强化学习实战：探索与行动的交响曲DeepReinforcementLearningInActionCodefromtheDeepReinforcementLearninginActionbookfromManning
宗津易Philip·2025-04-28 02:15

1）强化学习入门

bilibili初探强化学习GitHub-XinJingHao/DRL-Pytorch:Clean,Robust,andUnifiedPyTorchimplementationofpopularDeepReinforcementLearning
SLAM必须dunk·2025-04-27 05:27

论文阅读：2023 ICLR Safe RLHF: Safe Reinforcement Learning from Human Feedback

总目录大模型安全相关研究：https://blog.csdn.net/WhiffeYF/article/details/142132328SafeRLHF:SafeReinforcementLearningfromHumanFeedback
CSPhD-winston-杨帆·2025-04-22 15:51

多智能体深度强化学习(MADRL)开源项目安装与使用指南

多智能体深度强化学习(MADRL)开源项目安装与使用指南MADRLRepocontainingcodeformulti-agentdeepreinforcementlearning(MADRL).项目地址
叶展冰Guy·2025-04-22 04:42

强化学习系统学习路径与实践方法

一、学习路径规划1.基础巩固阶段（1-2个月）必读教材：《ReinforcementLearning:AnIntroduction》(Sutton&Barto)第1-6章重点掌握：马尔可夫决策过程（MDP
豆芽819·2025-04-21 23:43

论文阅读：2023 arxiv A Survey of Reinforcement Learning from Human Feedback

ASurveyofReinforcementLearningfromHumanFeedbackhttps://arxiv.org/pdf/2312.14925https://www.doubao.com
CSPhD-winston-杨帆·2025-04-21 12:42

第九章：强化学习（RL）赋能 AI Agents：潜力、挑战与问题建模

强化学习（ReinforcementLearning,RL）正是这样一条充满希望的道路。
（initial）·2025-04-18 18:08

从指令到聊天：LLM社区的重要发展

RLHF（ReinforcementLearningfromHumanFeedback）是一种通过人类反馈进行强化学习的技术，它在提高模型的有用性、诚实性和无害性方面起到了关键作用。
元楼·2025-04-18 06:47

DeepSeek R1 简易指南：架构、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。
m0_74825003·2025-04-14 19:43

强化学习原理python篇01——基本概念

trajectories,returns,andepisodesMDPs（Markovdecisionprocesses）Ref本章全篇参考赵世钰老师的教材Mathmatical-Foundation-of-Reinforcement-LearningBasicConcepts
WuRobb·2025-04-10 10:51

了解强化学习

#REINFORCEDSERIES(#REINFORCEDSERIES)“Reinforcementlearning(RL)isanareaofmachinelearningconcernedwithhowsoftwareagentsoughttotakeactionsinanenvironmentinordertomaximizethenotionofcumulativereward
weixin_26704853·2025-04-10 10:20

强化学习原理一

强化学习原理，ReinforcementLearning简称RL。
jcc3120·2025-04-10 09:17

大模型论文速读DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning2025.1

全文摘要本文介绍了DeepSeek-R1及其两个版本：DeepSeek-R1-Zero和DeepSeek-R1。通过大规模强化学习（RL）训练的DeepSeek-R1-Zero具有出色的推理能力，并且自然地出现了许多强大的推理行为。然而，它也存在一些问题，如可读性差和语言混合等。为了解决这些问题并进一步提高推理性能，作者引入了DeepSeek-R1，该模型在多阶段训练和冷启动数据之前进行RL训练。
黛玛日孜·2025-04-06 22:20

解密强化学习心脏：从动态规划到Q-Learning的价值函数进化史

Q-Learning的崛起方法大比拼：DPvsMCvsTDvsQ-Learning实战演练：Q-Learning征服山地车总结与展望在人工智能的星辰大海中，强化学习（ReinforcementLearning
海棠AI实验室·2025-04-06 22:49

Deep Reinforcement Learning for Robotics翻译解读2

1四足机器人行走控制（QuadrupedLocomotion）四足机器人是DRL在现实世界中应用较为成熟的领域之一。已有多家机器人公司（如ANYbotics、Swiss-Mile与BostonDynamics）将DRL集成到其四足控制系统中，应用场景包括工业巡检、末端配送和救援任务。DRL首先被用于“盲走”任务，即机器人完全依赖自身本体传感器（如关节角、IMU）在室内平坦地面上行走。这些策略通常通
MobiCetus·2025-04-05 22:38

小白入门机器学习概述

机器学习的类型（1）监督学习（SupervisedLearning）（2）无监督学习（UnsupervisedLearning）（3）半监督学习（Semi-SupervisedLearning）（4）强化学习（ReinforcementLearning
码事漫谈·2025-04-01 21:46

AI Agent: AI的下一个风口 智能体与未来的关系

AIAgent:AI的下一个风口智能体与未来的关系关键词：智能体(Agent)、强化学习(ReinforcementLearning,RL)、神经网络(NeuralNetwork)、分布式系统(DistributedSystem
杭州大厂Java程序媛·2025-03-31 19:14

基于深度强化学习的智能机器人路径规划技术研究

近年来，深度强化学习（DeepReinforcementLearning,DRL）技术为机器人路径规划带来了新的突破。
Blossom.118·2025-03-30 03:38

强化学习中循环神经网络在序列决策中的应用研究

I.引言强化学习（ReinforcementLearning，RL）是一种通过与环境交互学习最优策略的方法。
数字扫地僧·2025-03-28 21:39

关于强化学习小记

强化学习（ReinforcementLearning,RL）详解1.什么是强化学习？
文弱_书生·2025-03-27 22:24

SFT和RLHF是什么意思？

环境：SFTRLHF问题描述：SFT和RLHF是什么意思解决方案：SFT（SupervisedFine-Tuning，监督微调）和RLHF（ReinforcementLearningfromHumanFeedback
玩人工智能的辣条哥·2025-03-25 00:15

TicTacToe Module

/2025CONTENTS1TicTacToe12Contents32.1TicTacToeModule............................................32.2ReinforcementLearningPlayer
W_X_99515681·2025-03-23 19:03

强化学习中策略网络模型设计与优化技巧

I.引言强化学习（ReinforcementLearning,RL）是一种通过与环境交互，学习如何采取行动以最大化累积奖励的机器学习方法。
数字扫地僧·2025-03-23 07:57

强化学习中的深度卷积神经网络设计与应用实例

I.引言强化学习（ReinforcementLearning，RL）是机器学习的一个重要分支，通过与环境的交互来学习最优策略。
数字扫地僧·2025-03-22 01:40

推测未来Agentic形态：Dynamic Cognitive Contextual Agent with Reinforcement Learning (DCCA-RL)

在AIAgent设计模式领域，我们见证了从简单的ReAct到复杂的LATS的演进，这些模式通过反思、工具使用、规划和多代理协作，极大地提升了AI的自主性和智能性。然而，随着任务复杂度和动态性需求的增加，现有模式逐渐显现出局限性——多Agent协作带来的联合误差和单Agent设计的适应性不足。为此，我们基于对现有模式的全面分析，提出了一个更先进的单Agent框架：DynamicCognitiveCo
weixin_40941102·2025-03-20 21:40

一切皆是映射：DQN训练加速技术：分布式训练与GPU并行

1.背景介绍1.1深度强化学习的兴起近年来，深度强化学习（DeepReinforcementLearning，DRL）在游戏、机器人控制、自然语言处理等领域取得了令人瞩目的成就。
AI天才研究院·2025-03-20 18:45

人工智能机器学习算法分类全解析

目录一、引言二、机器学习算法分类概述（一）基于学习方式的分类1.监督学习（SupervisedLearning）2.无监督学习（UnsupervisedLearning）3.强化学习（ReinforcementLearning
power-辰南·2025-03-12 07:08

【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（ReinforcementLearning
好多渔鱼好多·2025-03-06 16:57

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

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

强化学习与网络安全资源-论文和环境

TableofContentsRL-EnvironmentsPapersBooksBlogpostsTalksMiscellaneous↑EnvironmentsPentestingTrainingFrameworkforReinforcementLearningAgents
AI拉呱·2025-03-03 14:03

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

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

【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（ReinforcementLearning
资源存储库·2025-02-27 22:08

ThinkJSON:通过强化学习让大型语言模型（LLM）严格遵守JSON模式

标题：ThinkInsidetheJSON:ReinforcementStrategyforStrictLLMSchemaAdherence作者：BhavikAgarwal,IshanJoshi,ViktoriaRojkova
AI仙人掌·2025-02-26 20:17

DeepSeek强化学习（Reinforcement Learning）基础与实践

引言强化学习（ReinforcementLearning,RL）是机器学习的一个重要分支，专注于训练智能体（Agent）在环境中通过试错来学习最优策略。
Evaporator Core·2025-02-25 23:44

深入浅出机器学习：概念、算法与实践

目录引言机器学习的基本概念什么是机器学习机器学习的基本要素机器学习的主要类型监督学习（SupervisedLearning）无监督学习（UnsupervisedLearning）强化学习（ReinforcementLearning
倔强的小石头_·2025-02-23 11:43

强化学习：原理、概念与代码实践

一、引言强化学习（ReinforcementLearning）作为机器学习的一个重要分支，旨在通过智能体（agent）与环境的交互，学习到最优的行为策略，以最大化长期累积奖励。
AndrewHZ·2025-02-19 01:07

SFT（监督微调）和RLHF（基于人类反馈的强化学习）的区别

SFT（监督微调）和RLHF（基于人类反馈的强化学习）的区别STF（SupervisedFine-Tuning）和RLHF（ReinforcementLearningfromHumanFeedback）
钟小宇·2025-02-18 18:11

强化学习原理与代码实战案例讲解

强化学习（ReinforcementLearning,RL）是机器学习的一个重要分支，它关注的是智能体（Agent）如何在环境中通过与环境交互来学习最优的行为策略。
AI天才研究院·2025-02-18 05:53

强化学习在连续动作空间的应用：DDPG与TD3

1.背景介绍1.1强化学习简介强化学习（ReinforcementLearning，简称RL）是一种机器学习方法，它通过让智能体（Agent）在环境（Environment）中与环境进行交互，学习如何根据观察到的状态
AI天才研究院·2025-02-18 00:02

【deepseek】论文笔记--DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning

DeepSeek-R1论文解析1.论文基本信息标题：DeepSeek-R1:IncentivizingReasoningCapabilityinLLMsviaReinforcementLearning作者
大表哥汽车人·2025-02-15 02:40

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（ReinforcementLearning
杭州大厂Java程序媛·2025-02-13 07:02

deepseek学习笔记

1、deepseek的论文deepseek的论文《DeepSeek-R1:IncentivizingReasoningCapabilityinLLMsviaReinforcementLearning》于
wsnzou·2025-02-11 10:40

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

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.DeepSeek-R1-Zero:ReinforcementLearningontheBaseModelReinforcementLearningAlgorithm
tangjunjun-owen·2025-02-09 23:54

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
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他