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。
《基于智能体的自组织任务分配：面向涌现型多智能体系统的强化学习》260页
《基于智能体的自组织任务分配：面向涌现型多智能体系统的强化学习》260页
专知会员服务
26+阅读 · 5月6日
强化多模态大语言模型：基于强化学习的推理综述
强化多模态大语言模型：基于强化学习的推理综述
专知会员服务
17+阅读 · 5月3日
Tina：基于 LoRA 的轻量级推理模型
Tina：基于 LoRA 的轻量级推理模型
专知会员服务
13+阅读 · 4月24日
【MIT博士论文】通过强化学习的生成式发现
【MIT博士论文】通过强化学习的生成式发现
专知会员服务
15+阅读 · 4月23日
【NTU博士论文】基于协作式多智能体强化学习的决策制定
【NTU博士论文】基于协作式多智能体强化学习的决策制定
专知会员服务
25+阅读 · 4月21日
【书籍】《强化学习课程（第二版）》
【书籍】《强化学习课程（第二版）》
专知会员服务
49+阅读 · 4月19日
【斯坦福博士论文】在复杂环境中决策学习内容
【斯坦福博士论文】在复杂环境中决策学习内容
专知会员服务
29+阅读 · 4月14日
【CVPR2025】神经运动模拟器：在强化学习中突破世界模型的极限
【CVPR2025】神经运动模拟器：在强化学习中突破世界模型的极限
专知会员服务
14+阅读 · 4月13日
【经典书】Rollout、策略迭代与分布式强化学习
【经典书】Rollout、策略迭代与分布式强化学习
专知会员服务
25+阅读 · 4月13日
【博士论文】强化学习智能体的奖励函数设计
【博士论文】强化学习智能体的奖励函数设计
专知会员服务
33+阅读 · 4月8日
刚刚，DeepSeek新论文《自我原则批评调整（SPCT），以促进 GRM 中有效的推理时间可扩展行为》
刚刚，DeepSeek新论文《自我原则批评调整（SPCT），以促进 GRM 中有效的推理时间可扩展行为》
专知会员服务
21+阅读 · 4月4日
大语言模型时代的城市计算
大语言模型时代的城市计算
专知会员服务
20+阅读 · 4月4日
【CMU博士论文】基于课程学习的鲁棒强化学习
【CMU博士论文】基于课程学习的鲁棒强化学习
专知会员服务
17+阅读 · 3月27日
《组合优化问题强化学习框架在动态武器目标分配中的应用》61页
《组合优化问题强化学习框架在动态武器目标分配中的应用》61页
专知会员服务
54+阅读 · 3月21日
《基于强化学习的定向能武器空战编队机动决策研究》最新92页
《基于强化学习的定向能武器空战编队机动决策研究》最新92页
专知会员服务
45+阅读 · 3月14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