发简信
IP属地：广东
-
从 Bellman-Ford 到 DQN：为什么 Target 值比当前 Q 值更值得信？
从 Bellman-Ford 到 DQN：为什么 Target 值比当前 Q 值更值得信？ 很多人第一次接触强化学习中的 DQN (Deep Q...
-
策略梯度里的“熵正则”：为什么它和机器学习的 L2 正则是一回事？
策略梯度里的“熵正则”：为什么它和机器学习的 L2 正则是一回事？ 很多人第一次在强化学习的代码里看到“熵正则（Entropy Regulari...
-
强化学习顿悟记：从 Q 表到 DQN，三个击穿本质的思维跃迁强化学习顿悟记：从 Q 表到 DQN，三个击穿本质的思维跃迁 在学习强化学习（RL）从传统算法迈向深度强化学习（DQN）的过程中，很多人会被密密...
-
一行代码看穿灵魂：SARSA 与 Q-learning 的反直觉洞察与实战真相一行代码看穿灵魂：SARSA 与 Q-learning 的反直觉洞察与实战真相 导读：大部分教科书在讲 SARSA 和 Q-learning 时...
-
拆掉显卡、冻结时间：OpenAI当年是如何把DOTA2“大卸八块”的？
拆掉显卡、冻结时间：OpenAI当年是如何把DOTA2“大卸八块”的？ 2019年 DOTA2 世界冠军战队 OG 被 OpenAI Five ...
-
强化学习极简实战：从手写环境到 Gymnasium 策略迭代 (Policy Iteration)
强化学习极简实战：从手写环境到 Gymnasium 策略迭代 (Policy Iteration) 导读：强化学习初学者往往容易被两件事卡住：一...
-
三层递进式分支覆盖率方法论：从 CodeGraph 溯源到 LLVM 闭环与白盒实战
三层递进式分支覆盖率方法论：从 CodeGraph 溯源到 LLVM 闭环与白盒实战 摘要：在大型 Android Native C/C++ S...
-
把GPT打造成听得见的完美助教
把GPT打造成听得见的完美助教 ChatGPT 网页版的“朗读”很好用，但有两个小遗憾：不能中途暂停思考，也不能自由拖动进度。 我的需求看起来很...
-
DeepAgents 基本用法：浓缩伪代码与等价的 LangGraph 伪代码这篇文章只回答一个问题：DeepAgents 到底帮我们隐藏了什么？ 为了把调用关系讲清楚，全文使用一个自洽的“资料研究与报告生成”任务。用户给...