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-Network) 时，都会卡...
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？
-
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 Regularization）”，往往会觉得很...
-
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，很多人会被密密麻麻的数学公式、神经网络结构、...
-
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，无非是抄两个贝尔曼更新公式，...
-
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 以 2:0 彻底打崩的时候，电...
-
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：一是面对 Gym 框架时不知道它...
-
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++ SDK 与多媒体系统开发中，系统...
-
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。 我的需求看起来很简单： 听到不懂的地方，能暂停...
-
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。用户给出一个主题，多个子 Agent...
-
XAPK 解包出一堆 APK？用这个脚本一次装完
XAPK 解包出一堆 APK？用这个脚本一次装完 有些 Android 应用解压 XAPK 后，不是一个 APK，而是这样的： 不要只安装最大的 APK，也不必强行合并。把同...
-
【IoT进阶】MQTT + Protobuf 二进制通信实战：从 Python 双向控制到 Wireshark 抓包可视化全解析【IoT进阶】MQTT + Protobuf 二进制通信实战：从 Python 双向控制到 Wireshark 抓包可视化全解析 摘要：在物联网（IoT）、车联网与工业场景中...
-
一句话讲透 Annotated 与 State Reducer
一句话讲透 Annotated 与 State Reducer 本质：当两个 Dict 遇到相同 Key 时，如何融合 Value 的裁决函数就叫 Reducer。 1. 核...
-
深入浅出 Android CTS 视频测试：从环境搭建、用例设计到底层通信原理
深入浅出 Android CTS 视频测试：从环境搭建、用例设计到底层通信原理 作者: Antigravity Pair Programmer适用场景: Android 音视...
-
面试直击：金融 RAG 系统中，如何精准控制 Precision 和 Recall？
面试直击：金融 RAG 系统中，如何精准控制 Precision 和 Recall？ 在构建金融领域的 RAG（检索增强生成）或 Agent 系统时，很多开发者会陷入一个误区...
-
Agent Memory 的本质：写入、检索、注入
Agent Memory 的本质：写入、检索、注入 Agent 不是天然会记住你。 所谓 Memory，本质就是三件事： 我们用一个本地 json_memory.json 版...
-
-
第五次练习手机中的相机是深受大家喜爱的应用之一，现在该手机厂商想要分析手机中的应用（相机）的活跃情况，需统计如下数据： 某日活跃用户（用户id）在后续的一周内的留存情况（计算次日留存用...
-
Pandas日期函数总结
背景 有时，我们需要对日期和时间进行简单的运算。 例如： 一： 求日期差距 上面这组数据中，有两组日期，我们可以直接求出他们之间的间隔。 简单的相减就能得出两个日期之间的日期...
