RL-总结

最新推荐文章于 2025-05-22 10:45:00 发布
原创 最新推荐文章于 2025-05-22 10:45:00 发布 · 272 阅读 · 0 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

这篇博客深入探讨了强化学习的基本概念，包括Q学习、DQN和Policy Gradient等算法，并提供了Lilian Weng的两篇详细文章，介绍了如何使用Tensorflow实现深度强化学习模型。此外，还分享了Mario Martin的RL算法思维导图和资源链接，是理解及应用强化学习的宝贵资料。
部署运行你感兴趣的模型镜像

-RL
==================================

-

==================================

-Mario Martin mindmap
https://www.cs.upc.edu/~mmartin/URL/MindmapRLAlgorithms.pdf

-
========================================

Mario Martin's Reinforcement Learning
https://www.cs.upc.edu/~mmartin/url-RL.html

强化学习R.Sutton,中译
https://blog.youkuaiyun.com/u013695457/category_7678906.html
张会文 https://www.zhihu.com/people/zhang-wen-5-82/posts?page=6

Lilian Weng Blog,OpenAI ,2018~

A (Long) Peek into Reinforcement Learning
https://lilianweng.github.io/lil-log/2018/02/19/a-long-peek-into-reinforcement-learning.html
Implementing Deep Reinforcement Learning Models with Tensorflow + OpenAI Gym
https://lilianweng.github.io/lil-log/2018/05/05/implementing-deep-reinforcement-learning-models.html

您可能感兴趣的与本文相关的镜像

TensorFlow-v2.15

TensorFlow-v2.15

TensorFlow

TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。 它提供了一个灵活的平台,用于构建和训练各种机器学习模型

论文阅读：2024 arxiv RL-JACK: Reinforcement Learning-powered Black-box Jailbreaking Attack against LLMs
CSPhD-winston的博客
04-29 735
这篇论文名为《RL-JACK: Reinforcement Learning-powered Black-box Jailbreaking Attack against LLMs》，核心是提出一种基于深度强化学习（DRL）的大语言模型（LLM）越狱攻击方法RL-JACK。Figure 2展示了RL-JACK攻击方法的系统工作流程，它主要由RL智能体、辅助大语言模型（helper LLM）和目标大语言模型（target LLM）协同完成越狱提示生成。
OpenAI Lilian Weng万字长文解读LLM幻觉：从理解到克服
人工智能学家
07-13 547
来源：机器之心报道编辑：Panda WLilian Weng 出品，必是精品。人会有幻觉，大型语言模型也会有幻觉。近日，OpenAI 安全系统团队负责人 Lilian Weng 更新了博客，介绍了近年来在理解、检测和克服 LLM 幻觉方面的诸多研究成果。Lilian Weng，中文名翁丽莲，是 OpenAI 安全系统团队负责人。她 2018 年加入 OpenAI，参与了 GPT-4 项目的预训练、...
【AI学习】Lilian Weng：Extrinsic Hallucinations in LLMs（LLM 的外在幻觉）
bylander的博客
09-26 1252
这篇文章的核心内容和观点是讨论大型语言模型（LLM）中的外在幻觉问题。外在幻觉是指模型生成不真实、捏造、不一致或无意义的内容。同样重要的是，当模型不知道某个事实时，它应该这么说。 文章主要探讨了外在幻觉的原因、检测方法和减少幻觉的策略。
【 ChatGPT作者LilianWeng博客总结】智能体=LLM(大语言模型)+记忆+规划技巧+工具使用...
数据派THU
09-04 2851
来源：深度强化学习实验室 Lii’Log的博客https://lilianweng.github.io/posts/2023-06-23-agent/ 本文约7500字，建议阅读15分钟 LLM的潜力不仅仅限于生成写得好的副本、故事、论文和程序；它可以被视为一个强大的通用问题解决器。[ 前言 ] 以LLM（大语言模型）作为核心控制器构建智能体是一个很酷的概念。AutoGPT、GPT-Engine...
Lilian Weng 最新万字长文：从 CoT 到 Aha Moment，揭秘大模型「思考」的奥秘！
最新发布
m0_59164304的博客
05-22 1295
最近，北大校友、前 OpenAI 应用 AI 研究负责人 Lilian Weng 更新了一篇长长长长长长长博客《Why We Think》。
LilianWeng最新博客翻译：强化学习中的奖励黑客
hehedadaq的博客
12-02 1182
在RL中进行奖励塑形具有挑战性。奖励黑客发生在RL代理通过利用奖励函数中的漏洞或歧义来获得高奖励，而没有真正学习预期的行为或完成设计的任务时。近年来，提出了几个相关的概念，都指某种形式的奖励黑客：奖励黑客（Reward hacking，Amodei等人，2016）奖励腐败（Reward corruption，Everitt等人，2017）奖励篡改（Reward tampering，Everitt等人，2019）规范博弈（Specification gaming，Krakovna等人，2020）
RTL8723BU蓝牙wifi二合一模块(RL-UM02WBS-8723BU-V1.2)规格书1
08-03
总结，RL-UM02WBS-8723BU-V1.2模块是一款高效整合的无线网络和蓝牙解决方案，其强大的功能和灵活的接口设计使其成为各种智能设备的理想选择。在Linux系统中，正确配置和使用此模块可以实现稳定、高效的无线连接和...
RL-ARM的RTX嵌入式操作系统源代码RTX4.20
01-22
总结，RL-ARM RTX 4.20是一个强大的嵌入式实时操作系统，其源代码的深度学习和应用对于提升嵌入式系统的可靠性和效率至关重要。通过对源代码的分析和实践，开发者可以更好地理解和定制RTOS，从而满足特定项目的需求...
Python库 | flatland-rl-2.1.7.tar.gz
03-07
五、总结 flatland-rl作为Python的一个强大库，为强化学习研究者和开发者提供了一种高效、灵活的多智能体环境。它结合了丰富的环境配置和直观的可视化，使得在现实世界问题的模拟和解决中更加得心应手。无论是学术...
北大校友，OpenAI前安全副总裁Lilian Weng最新万字博客文章：Why We Think
人工智能学家
05-18 497
文章深入剖析了通过思维链（Chain-of-Thought）、智能解码策略、潜在思考（Latent Thoughts）等多样化机制，有效利用“思考时间”来突破当前AI性能瓶颈的理论基础、技术实现与前沿进展。
【学习笔记】博客Lilian Weng - LLM Powered Autonomous Agents
weixin_45838549的博客
03-15 1968
外部记忆可以缓解注意力持续时间有限的限制。标准做法是将信息的嵌入表示保存到支持快速。的矢量存储数据库中。为了优化检索速度，通常的选择是。人脑中的记忆类型：感觉记忆、短期记忆、长期记忆。(3) 工具使用(Tool use)(1) 规划(Planning)(2) 记忆(Memory)最大内积搜索(MIPS)近似最近邻(ANN)算法。
【AI学习】Lilian Weng：What are Diffusion Models?
bylander的博客
09-25 1510
Lilian Weng博客《What are Diffusion Models?》
Lilian Weng 注意力机制概述
全性保真，不以物累形。
10-28 2544
注意力机制（Attention Mechanism）概述。
刚刚，OpenAI安全副总裁、北大校友Lilian Weng宣布离职，有时间写博客了
强化学习曾小健
11-10 1096
Lilian Weng 是 OpenAI 华人科学家，她 2018 年加入 OpenAI，参与了 GPT-4 项目的预训练、强化学习 & 对齐、模型安全等方面的工作。她本科毕业于北大，曾前往香港大学进行短期交流，博士毕业于印第安纳大学伯明顿分校。根据领英资料显示，Lilian Weng 在 OpenAI 已经工作了近 7 年时间，担任安全研究副总裁一职。
Lilian Weng万字长文：强化学习中的Reward Hacking
m0_59163425的博客
12-07 3016
强化学习(RL)中的奖励塑造具有挑战性。当强化学习智能体利用奖励函数中的缺陷或模糊性来获得高奖励，而没有真正学习到预期行为或按设计完成任务时，就会发生奖励黑客。近年来，已经提出了几个相关概念，都涉及某种形式的奖励黑客：奖励破解（Amodei 等人，2016 年）奖励腐败（Everitt 等人，2017 年）奖励篡改（Everitt 等人，2019 年）策略博弈（Krakovna 等人，2020 年）目标鲁棒性（Koch 等人，2021 年）、目标错误泛化（Langosco 等人，2022 年）
深度学习算法简要综述(下)
AI 算法笔记
03-25 1770
点击上方“算法猿的成长“，关注公众号，选择加“星标“或“置顶”总第 124 篇文章，本文大约 3731 字，阅读大约需要 10 分钟原文：https:/...
OpenAI 研究员谈半监督学习：数据不足情况下的学习方法
BAAIBeijing的博客
12-17 2408
【专栏：前沿进展】随着为机器提供更多高质量的标签，监督学习模型的性能也会提高。然而，获取大量带标注样本的代价十分高昂。在机器学习中，有一些方法用于解决标签稀少的场景，半监督学习是其中一种解...
翻译-A (Long) Peek into Reinforcement Learning
wwlsm_zql的博客
02-12 525
A (Long) Peek into Reinforcement Learning 强化学习之一瞥 In this post, we are gonna briefly go over the field of Reinforcement Learning (RL), from fundamental concepts to classic algorithms. Hopefully, thi...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值