归档

全部文章 - 76
2026
Agentic RL：从 PG 到 TRPO 到 PPO-Clip（推导与代码对齐）
Agentic RL：从 PG 到 TRPO 到 PPO-Clip（推导与代码对齐）
Agentic RL：PG Loss 组件详解（PPO-clip / Dual-Clip / Entropy / KL / 聚合）
Agentic RL：PG Loss 组件详解（PPO-clip / Dual-Clip / Entropy / KL / 聚合）
强化学习数学原理 - 第10章：Actor-Critic 方法 (Actor-Critic Methods)
强化学习数学原理 - 第10章：Actor-Critic 方法 (Actor-Critic Methods)
强化学习数学原理 - 第9章：策略梯度方法 (Policy Gradient Methods)
强化学习数学原理 - 第9章：策略梯度方法 (Policy Gradient Methods)
强化学习数学原理 - 第8章：值函数近似 (Value Function Approximation)
强化学习数学原理 - 第8章：值函数近似 (Value Function Approximation)
强化学习数学原理 - 第7章：时序差分方法 (Temporal-Difference Methods)
强化学习数学原理 - 第7章：时序差分方法 (Temporal-Difference Methods)
强化学习数学原理 - 第6章：随机近似 (Stochastic Approximation)
强化学习数学原理 - 第6章：随机近似 (Stochastic Approximation)
强化学习数学原理 - 第5章：蒙特卡洛方法 (Monte Carlo Methods)
强化学习数学原理 - 第5章：蒙特卡洛方法 (Monte Carlo Methods)
强化学习数学原理 - 第4章：值迭代与策略迭代 (Value & Policy Iteration)
强化学习数学原理 - 第4章：值迭代与策略迭代 (Value & Policy Iteration)
强化学习数学原理 - 第3章：最优状态值与贝尔曼最优方程 (Bellman Optimality)
强化学习数学原理 - 第3章：最优状态值与贝尔曼最优方程 (Bellman Optimality)
强化学习数学原理 - 第2章：贝尔曼方程 (Bellman Equation)
强化学习数学原理 - 第2章：贝尔曼方程 (Bellman Equation)
强化学习数学原理 - 第1章：基本概念 (Basic Concepts)
强化学习数学原理 - 第1章：基本概念 (Basic Concepts)
强化学习数学原理 - 必备数学基础 (Mathematical Preliminaries)
强化学习数学原理 - 必备数学基础 (Mathematical Preliminaries)
强化学习数学原理 - 序章：一张图看懂强化学习 (Course Introduction)
强化学习数学原理 - 序章：一张图看懂强化学习 (Course Introduction)
2025
扩散模型
扩散模型
门控注意力
门控注意力
开学三个月小记
开学三个月小记
深度学习优化器全家桶：从 SGD 到 AdamW 及未来
深度学习优化器全家桶：从 SGD 到 AdamW 及未来
深度学习损失函数：从 MSE 到 Focal Loss
深度学习损失函数：从 MSE 到 Focal Loss
深度学习杂谈：残差、MAE与特征维度的本质思考
深度学习杂谈：残差、MAE与特征维度的本质思考
avatar
WP
无业游民
文章
76
标签
174
分类
22
Follow Me
公告
学术助手已上线
期刊会议检索、前沿论文浏览和 AI 预审入口已经接进博客。
立即进入
最新文章
我现在怎么做科研：从文献调研、实验到论文写作
我现在怎么做科研：从文献调研、实验到论文写作
层级结构 + 分布建模 + 原型演化
层级结构 + 分布建模 + 原型演化
Agentic RL：代码优先，理论辅助的实战法
Agentic RL：代码优先，理论辅助的实战法
Agentic RL：veRL AgentLoop 全流程与计算细节（Async Rollout、状态机、Tool-Interaction）
Agentic RL：veRL AgentLoop 全流程与计算细节（Async Rollout、状态机、Tool-Interaction）
分类
标签
数据结构与算法二叉树二叉树遍历递归迭代回溯剪枝图论动态规划二分查找双指针数组滑动窗口矩阵规律前缀和链表哈希表查找setmap字符串KMPreverse栈队列双端队列堆queuestackdequeReward ModelVerifierSelf-VerificationDeepSeekMathReasoningAgentic RL强化学习PPOLLMRLHF
归档
网站信息
文章数目 :
76
运行时间 :
本站总字数 :
167.8k
最后更新时间 :
总访问量：
加载中...