一分钟梳理 30年 强化学习发展史 一分钟梳理近30年强化学习发展史: 从92年William提出策略梯度，到Sutton 提出Actor-Critic结构，再到DeepMind搞出DQN, 后面到shulman提出PPO以及后面的DPO, GRPO, Dr.GRPO, DSPO, GSPO等一系列，以减少稀疏奖励、稳定策略优化为目的的算法。30年，一路走来，强化学习，从“试错”逐步走向”理解人类
1:56
一分钟梳理 30年 强化学习发展史 一分钟梳理近30年强化学习发展史: 从9…
2 个月之前
douyin.com边山李博士
∞=-∞？
∞=-∞？
已浏览 6993 次2022年2月18日
bilibilicastelu
𝑀𝒶𝓀𝒾 𝟚𝟘𝟚𝟝𝟘𝟙𝟚𝟙
3:33:58
𝑀𝒶𝓀𝒾 𝟚𝟘𝟚𝟝𝟘𝟙𝟚𝟙
已浏览 2777 次2025年1月22日
bilibiliLmyNBL
✂️ Al Pacino | Chris Miller - Chief InCreMentalist
✂️ Al Pacino | Chris Miller - Chief InCreMentalist
已浏览 3818 次4 周前
linkedin.com
British Columbia Shows Norway How To Decarbonize Ferries - CleanTechnica
British Columbia Shows Norway How To Decarbonize Ferries - CleanTech…
2025年1月3日
cleantechnica.com
ICLR 2021 | 基于阶次-特征分解的有序数据深度斥力聚类技术
1:05
ICLR 2021 | 基于阶次-特征分解的有序数据深度斥力聚类技术
已浏览 2.4万 次2021年3月23日
zhihu.com超正经学术君
Ex-PM Jacinda Ardern makes her valedictory speech in Parliament
Ex-PM Jacinda Ardern makes her valedictory speech in Parliament
2023年4月6日
Stuff
51:19
AI经典论文解读12 iMAML—隐含梯度的元学习
已浏览 1687 次2020年8月16日
zhihu.com深度学习与NLP
3:29:59
梯度的机器学习双水平优化 Wasserstein分布鲁棒学习 l_0正则化 …
已浏览 210 次2024年8月10日
bilibili大学生自学提升课程
8:32
1-07 迭代与增量开发周期有什么差异
已浏览 1072 次2020年11月30日
zhihu.comGuolin
0:38
休闲挂机游戏《咖啡星矿工》Steam页面上线
已浏览 354 次2025年3月21日
bilibiliSpaceJazzGames官方
15:33
【Hansen汉森】草履虫也能学会的高计（六）大样本渐进分析｜高级计量经 …
已浏览 706 次2024年5月5日
bilibiliBestStudio留学辅导
26:47
【主义主义】应用行为分析（1-1-4-3）——小男小女买买奶茶发发表情 …
已浏览 12.2万 次2021年10月9日
bilibili未明子
2:10
[ksfu]全剑合集10：Incrementalist(渐进)
已浏览 230 次6 个月之前
bilibilidavlle
17:53
【Lecture 18 Part 3】【UC伯克利CS 285】【深度强化学习】【Amortized …
已浏览 237 次2024年3月6日
bilibilialexphil
43:53
万金油？一个视频讲透自动化类所有专业/行业！【框框的b站大学-自动化 …
已浏览 165.3万 次2022年8月10日
bilibili取景框看世界
4:22
一个人进步最快的方式：「粗糙的开始 拒绝完美主义」！！
已浏览 2534 次11 个月之前
bilibili持续进化的Astra
0:31
轻Rogue弹幕融合丨游戏创意
已浏览 558 次2 个月之前
bilibili游戏掰一点
3:02
耗时半个月，我造了一个擅长研究的AI实习生
已浏览 2012 次10 个月之前
bilibiliLion3D
15:28
😽😽😽
已浏览 76 次2023年10月21日
bilibiliChalkli
45:45
【北大学霸高分技巧】乐哥讲经济之尼克尔森、平新乔微观经济学数学基 …
已浏览 3091 次2020年4月13日
bilibili李为乐_经济金融互助
1:28:01
迭代法理论基础 Basic Theory of Iterative Methods
已浏览 1687 次2025年2月19日
bilibili深圳市大数据研究院
17:28
连续问题离散化案例1-用重要极限分析细菌繁殖的数量
已浏览 46 次2025年1月14日
bilibili白云蓝天8
【讨论班】渐进分析
已浏览 1.1万 次2022年2月5日
bilibiliYoliver_2000
1:02:45
【人工智能基础】第48讲：策略梯度-Reinforce-Actor Critic
已浏览 3045 次2024年9月9日
bilibili上海大学-刘树林
40:36
中国人民大学代文林副教授：基于支撑点的大规模低秩高斯过程预测
已浏览 1642 次2025年3月2日
bilibili狗熊会
9:14
基本面Alpha革新术：高斯秩回归驱动的量化因子数据增强全攻略
已浏览 1062 次8 个月之前
bilibiliAI量化邹老师
4:20
小即是强！时序预测中的极简主义，用500个参数实现顶级预测精度
已浏览 494 次3 个月之前
bilibili卷毛的时序日记
11:19
凡事不能一蹴而就，持续迭代与适应性
已浏览 278 次6 个月之前
bilibili碎片化知识学习
观看更多视频
静态缩略图占位符