2022年2月21日 · 通过感知所处环境的 状态 (state) 对 动作 (action) 的 反应 (reward)， 来指导更好的动作，从而获得最大的 收益 (return)，这被称为在交互中学习，这样的学习方法就被称作强化学习。

深度强化学习 深度强化学习是人工智能领域一个令人兴奋的交叉方向，我们可以把它拆解成两个部分来理解： 强化学习 是核心思想，它模拟了人类或动物通过“试错”来学习的过程。

2021年8月6日 · 一种办法是学习policy函数π，这在强化学习里面叫做policy-based learning 基于策略的学习，我后面会讲，假如我们有了policy函数π，我们就可以用π函数控制agent做动作了，每观测到一 …

强化学习（Reinforcement Learning，RL）是一种机器学习方法，强化学习的基础框架是马尔可夫决策过程，它允许智能体（Agent）能够在与环境（Environment）的交互中通过试错来学习最优策略。

2024年12月2日 · 先介绍两个概念， 同策略学习 （On-Policy Learning）和 异策略学习 （Off-Policy Learning），在强化学习里面，要学习的是一个智能体。 如果要学习的智能体和与环境交互的智能 …

2026年1月15日 · 复制 开始使用 💡 强化学习（RL）指南 全面了解强化学习（RL），以及如何使用 Unsloth 和 GRPO 训练你自己的 DeepSeek-R1 推理模型。 从入门到进阶的完整指南。 强化学习是指一个“ …

2026年1月12日 · 本章主要讨论强化学习的基本概念和思维方式。 希望通过本章的讨论，读者能了解强化学习在解决什么任务，其基本的数学刻画是什么样的，学习的目标是什么，以及它和预测型的有监督 …

2026年1月5日 · 强化学习作为人工智能和机器学习的一个重要分支,近年来在各个领域都取得了令人瞩目的成就。 从战胜世界顶级围棋选手的AlphaGo,到自动驾驶汽车的决策系统,再到高效的推荐算法,强化 …

2025年11月28日 · Kevin P. Murphy发布了一份144页的强化学习的全面概览电子书，梳理了强化学习领域的最新的理论基础，并揭示了一条清晰的技术演进路径——从早期的理论模型，到当今驱动大语言 …