RL¶
约 211 个字 预计阅读时间 1 分钟
TOC¶
-
300 1 mins1783842348
-
66 0 mins1783842348
-
57 0 mins1783842348
-
179 1 mins1783842348
-
2 0 mins1783842348
-
2 0 mins1783842348
-
4 0 mins1783842348
-
1 0 mins1783842348
-
2 0 mins1783842348
-
1 0 mins1783842348
-
73 0 mins1783842348
-
71 0 mins1783842348
-
115 5 0 mins1783842348
-
1094 17 4 mins1783842348
-
1162 17 4 mins1783842348
参考资料 ¶
- 【强化学习的数学原理】课程：从零开始到透彻理解（完结）_ 哔哩哔哩 _bilibili
- 【大白话 03】一文理清强化学习 RL 基本原理 | 原理图解 + 公式推导 _ 哔哩哔哩 _bilibili
- 【大白话 04】一文理清强化学习 PPO 和 GRPO 算法流程 | 原理图解 _ 哔哩哔哩 _bilibili
- 《强化学习的数学原理》学习笔记以及一路楼 - @ 有马肖邦
- 【西湖大学《强化学习的数学原理
》 】笔记 / 精简讲义 - @Hydrofoil by Hydrofoooil - 浅入浅出理解强化学习 - Floraison
- RL Explainer - Interactive Visualization of RL Algorithms for LLM Training