L4 TRPO and PPO (Foundations of Deep RL Series)
25:21
L4 TRPO and PPO (Foundations of Deep RL Series)
已浏览 482 次2021年8月30日
bilibili深度强化学习实验室
TRPO算法原理与实验实现
30:15
TRPO算法原理与实验实现
已浏览 738 次2024年9月20日
bilibilikindlytrees
【TRPO系列讲解】（五）TRPO_理论推导篇
39:39
【TRPO系列讲解】（五）TRPO_理论推导篇
已浏览 6492 次2022年5月17日
bilibili机智的王小鹏
【TRPO系列讲解】（六）TRPO_求解实现篇
19:28
【TRPO系列讲解】（六）TRPO_求解实现篇
已浏览 2446 次2022年5月22日
bilibili机智的王小鹏
TRPO 置信域策略优化 Trust Region Policy Optimization_
29:27
TRPO 置信域策略优化 Trust Region Policy Optimization_
已浏览 8792 次2021年6月29日
bilibilicvzhen
Policy Optimization & TRPO & PPO | RL原理讲解系列#3
15:55
Policy Optimization & TRPO & PPO | RL原理讲解系列#3
已浏览 8522 次2023年12月20日
bilibiliUp-Fei
14.[彪哥带你学强化学习]终于有人把trpo算法讲清楚了
31:11
14.[彪哥带你学强化学习]终于有人把trpo算法讲清楚了
已浏览 1622 次10 个月之前
bilibili爱格物的彪哥
21:08
【强化学习】TRPO算法-2 算法讲解
已浏览 754 次2024年11月26日
bilibili灼眼的全息坚果
7:18
蒋乐天 - PPO
已浏览 3249 次2019年10月25日
bilibili伯禹人工智能学院
9:48
【强化学习】TRPO算法-1 原理推导
已浏览 2275 次2024年11月26日
bilibili灼眼的全息坚果
56:29
【青稞Talk102期】从 TRPO 到 SAPO：大模型 RL 算法演进
已浏览 2175 次2 个月之前
bilibili青稞社区
15:14
[Agentic RL] 02 策略梯度基础，从 PG 到 TRPO 到 PPO-Clip 核心公式简 …
已浏览 4775 次5 个月之前
bilibili五道口纳什
41:01
Policy Gradients, TRPO, PPO算法
已浏览 731 次2023年6月6日
bilibilitiandiao123
37:05
推理大模型 | TRPO求解方法论
已浏览 35 次5 个月之前
bilibili比尔森一撇
16:26
TRPO：稳定策略优化的理论基础
已浏览 404 次3 个月之前
bilibili科羚AI深度学堂
7:55
强化学习 TRPO 证明1
已浏览 437 次2023年1月31日
bilibiliWill-HhdZ
25:17
【PPO的前身】【TRPO】第一部分 直观理解与算法理论
已浏览 1.1万 次5 个月之前
bilibili东川路第一可爱猫猫虫
18:50
强化trpo
已浏览 171 次2025年2月28日
bilibili天道酬喵喵
25:56
共轭梯度，ChatGPT的加速器，TRPO/PPO的基础
已浏览 2521 次2023年7月2日
bilibiliAI不摆烂
1:31:57
近端策略优化（PPO）算法
已浏览 1.7万 次2025年1月8日
bilibili蒋一讲AI
43:13
16.[彪哥带你学强化学习]全网讲的最系统的TRPO算法
已浏览 739 次10 个月之前
bilibili爱格物的彪哥
50:45
使用Huggingface TRL库基于GRPO复现DeepSeek-R1推理模型
已浏览 3240 次10 个月之前
bilibili智驭导师授AI
28:11
9.1 Trust Region Policy Optimization (TRPO)
已浏览 1212 次2021年12月27日
bilibiliSunlight79
14:58
[DRL] 从策略梯度到 TRPO（Lagrange Duality，拉格朗日对偶性）
已浏览 8784 次2024年5月3日
bilibili五道口纳什
12:43
个人对TRPO算法的理解
已浏览 341 次2025年3月11日
bilibiliBI_MU
13:06
15.[彪哥带你学强化学习]TRPO算法中近似函数和原目标函数的阈值怎么 …
已浏览 897 次10 个月之前
bilibili爱格物的彪哥
9:24
深度强化学习第三课TRPO（2017）：稳定策略优化的 …
已浏览 131 次3 个月之前
bilibili深度学习k学长
Deep Reinforcement Learning Through Policy Optimization
2024年6月5日
Microsoftv-trmyl
29:49
四、TRPO论文中参数化策略的优化方法与重要性采样的线下策略
已浏览 89 次2025年3月12日
bilibili茶肉酱
1:06:22
【强推】李宏毅深度强化学习完整版教程！简单易懂的PPO算法强化学习 …
已浏览 6791 次2024年10月8日
bilibili人工智能-研究院
观看更多视频
静态缩略图占位符