会员服务
强化学习（RL）是机器学习的一个领域，与软件代理应如何在环境中采取行动以最大化累积奖励的概念有关。除了监督学习和非监督学习外，强化学习是三种基本的机器学习范式之一。 强化学习与监督学习的不同之处在于，不需要呈现带标签的输入/输出对，也不需要显式纠正次优动作。相反，重点是在探索（未知领域）和利用（当前知识）之间找到平衡。 该环境通常以马尔可夫决策过程（MDP）的形式陈述，因为针对这种情况的许多强化学习算法都使用动态编程技术。经典动态规划方法和强化学习算法之间的主要区别在于，后者不假设MDP的确切数学模型，并且针对无法采用精确方法的大型MDP。
LLM后训练：深入探讨推理大语言模型
LLM后训练：深入探讨推理大语言模型
专知会员服务
1+阅读 · 今天14:38
【CVPR2025】CarPlanner: 一种用于自动驾驶大规模强化学习的一致性自回归轨迹规划
【CVPR2025】CarPlanner: 一种用于自动驾驶大规模强化学习的一致性自回归轨迹规划
专知会员服务
9+阅读 · 3月2日
《基于强化学习的先进空中机动系统网络安全风险评估》56页
《基于强化学习的先进空中机动系统网络安全风险评估》56页
专知会员服务
15+阅读 · 2月28日
SFT 记忆，RL 泛化：基础模型后训练的比较研究
SFT 记忆，RL 泛化：基础模型后训练的比较研究
专知会员服务
23+阅读 · 2月3日
【ICLR2025】AdaWM：基于自适应世界模型的自动驾驶规划
【ICLR2025】AdaWM：基于自适应世界模型的自动驾驶规划
专知会员服务
14+阅读 · 1月26日
《雷达任务调度与策略梯度强化学习：为连续观察和行动空间创建环境和智能体》最新报告
《雷达任务调度与策略梯度强化学习：为连续观察和行动空间创建环境和智能体》最新报告
专知会员服务
21+阅读 · 1月22日
DeepSeek最新开源的R1推理模型：DeepSeek-R1：通过强化学习激励大语言模型中的推理能力
DeepSeek最新开源的R1推理模型：DeepSeek-R1：通过强化学习激励大语言模型中的推理能力
专知会员服务
43+阅读 · 1月21日
扩散模型如何做好可控生成？基于奖励引导的控制生成用于扩散模型中的推理时对齐：教程与综述
扩散模型如何做好可控生成？基于奖励引导的控制生成用于扩散模型中的推理时对齐：教程与综述
专知会员服务
21+阅读 · 1月20日
开放环境下的协作多智能体强化学习进展综述
开放环境下的协作多智能体强化学习进展综述
专知会员服务
30+阅读 · 1月19日
《探索用于自主战车事故响应的强化学习》
《探索用于自主战车事故响应的强化学习》
专知会员服务
11+阅读 · 1月16日
《强化学习的应用及其在战争战术模拟技术中的扩展》
《强化学习的应用及其在战争战术模拟技术中的扩展》
专知会员服务
24+阅读 · 1月14日
《利用深度强化学习实现作战训练场景自动生成》
《利用深度强化学习实现作战训练场景自动生成》
专知会员服务
23+阅读 · 1月14日
《用于自主网络行动的竞争性强化学习》113页
《用于自主网络行动的竞争性强化学习》113页
专知会员服务
23+阅读 · 1月12日
离线强化学习研究综述
离线强化学习研究综述
专知会员服务
29+阅读 · 1月12日
搜索与学习的扩展：从强化学习角度重现o1的路线图
搜索与学习的扩展：从强化学习角度重现o1的路线图
专知会员服务
27+阅读 · 1月2日
参考链接
维基百科
父主题
机器学习
数据挖掘
子主题
马尔可夫决策过程
UNREAL(DRL算法)
深度强化学习
预期回报
人工智能游戏
图强化学习
微信扫码咨询专知VIP会员
Top