|
- 强化学习 (Reinforcement Learning) - 知乎
简介 根据维基百科对强化学习的定义：Reinforcement learning (RL) is an area of machine learning inspired by behaviorist psychology, concerned with how software agents ought to take actions in an environment so as to maximize some notion of cumulative reward （强化学习是机器学习领域之一，受到行为心理学的启发，主要关注智能体如何在环境中
- 机器学习、深度学习和强化学习的关系和区别是什么？ - 知乎
看到知乎推了这个问题，正好也需要不断向外行做解释，就简单的回答一下。 这里涉及到机器学习子领域的分类。所有的分类，首先要问的是为什么这么分？按什么维度进行划分？符合逻辑的分类能帮助人们建立认知架构，不符合逻辑的分类能让人一头雾水。 1、机器学习是人工智能的子领域 人工
- 能否介绍一下强化学习（Reinforcement Learning），以及与监督学习的不同？ - 知乎
随着 DeepMind 和 AlphaGo 的成功，强化学习（Reinforcement Learning）日益受到关注。然而，在一些机器…
- 强化学习怎么入门好？ - 知乎
研究强化学习十二年，最近身体不适，没法多写字，病情恶化之前简单说说自己踩过的坑和要注意的事，以后再详细更。 1 不要沉迷用强化学习 (RL)搞游戏。游戏可以拿来练手或熟悉强化学习算法，但是不要花太多时间去琢磨怎么提高AI性能，尤其是棋类游戏，基本做到头了，产出投入比极低。当然
- 现在准备做基于强化学习的机械臂，请问怎么入手学习? - 知乎
基于深度强化学习的机器人操作任务研究路线图 这张图是我这几年的一个总结，很多新加群的朋友都问我，强化+机械臂该怎么入门。 按照这条路线应该是可以的。 结合我自己的探索经验，最好在每个环节，都能够有一个做出结果的大佬手把手指导，才能获得效率最高的探索。 如果你实验室本身就
- 有哪些强化学习的书值得推荐？ - 知乎
强化学习（RL）是机器学习的一个领域，涉及智能体应该如何在环境中采取行动，以最大化累积奖励的概念。 强化学习是三种基本的机器学习范式之一，与监督学习和无监督学习并列。 以前搞过一段时间强化学习，推荐基本书如下： 1 Reinforcement Learning: An Introduction (Adaptive Computation and Machine Learning series
- 研0，研究生期间搞强化学习，零基础，怎么学？ - 知乎
可以先看西湖大学赵世钰老师的《强化学习的数学原理》网课，这个是最基础的，讲得非常清楚，但是只讲最简单的表格法，然后看伯克利的 CS285，内容兼具广度与深度，讲师 Sergey Levine 是强化学习一代宗师，前9讲和前3个作业必学（到Advanced Policy Gradients），后面可以根据研究方向选学，看完这些课
- 大模型优化利器：RLHF之PPO、DPO
针对这个问题，2023 年 4 月 OpenAI 联合创始人 John Schulman 在 Berkeley EECS 会议上所做的报告《Reinforcement Learning from Human Feedback: Progress and Challenges》，分享了 OpenAI 在 RLHF 的进展，分析了监督学习和强化学习各自存在的挑战。
|
|
|