【RL】我的强化学习代理

领域专家: 人工智能技术领域

2023-08-01 01:58:19

【RL】我的强化学习代理_无水先生的博客-CSDN博客

...全文

12 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

1.背景介绍 强化学习(Reinforcement Learning，简称RL)是一种机器学习方法，它通过与环境的交互来学习如何做出最佳决策。在这篇文章中，我们将从基本概念到核心算法的原理和具体操作步骤，以及最佳实践、实际应用场景、工具和资源推荐，一起来深入了解强化学习。 1. 背景介绍 强化学习起源于1980年代，是人工智能领域的一个热门研究方向。它解决了许多复杂的决策问题，如自动驾驶、机...

深度强化学习是关于从我们看到和听到的东西中采取最好的行动。不幸的是，强化学习强化学习在学习概念和术语方面存在很高的障碍。在本文中，我们将介绍深度强化学习，并概述一般情况。然而，我们不会回避方程式和术语。它们提供了更深入地理解概念的基础知识。我们不会呼吁您只需要 20 行代码即可解决 RL 问题。官方答案应该是一个！但我们将努力使它平易近人。

【Easy RL】Easy RL蘑菇书全书学习笔记第一章 强化学习基础 1.1 强化学习概述监督学习 强化学习与监督学习的不同之处二者的区别总结 强化学习的特征 强化学习的优越性预演（rollout）和轨迹（trajectory）的概念端到端的概念深度强化学习（deep reinforcemet learning） sim2real 1.2序列决策基本概念状态和观测的关系环境信息完全可观测-->马尔科夫决策过程环境信息部分可观测-->部分可观测马尔可夫决策过程

slime是清华 THUDM 团队开源的一套面向大模型后训练（post-training）的强化学习框架，主打“RL Scaling”（让 RL 训练在大模型、长周期、海量并发的场景里跑得起来、跑得快）。官方给出的两大能力是：通过（训练）与SGLang（推理/采样）的原生打通，提供高性能训练；提供可定制的数据生成（rollout）接口与服务化采样引擎，方便把任意 agent/环境接进来做大规模 RL。GitHub+1。

人工智能旅行团

2

社区成员

331

社区内容

发帖

与我相关

我的任务

计算机视觉数据挖掘自然语言处理个人社区北京·房山区

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章