- 博客(2)
- 收藏
- 关注
RSS订阅原创 全网最详细王树森强化学习公开课笔记+心得（前四节课）
强化学习中有两个随机性：Actions randomness（行为随机性）、State transitions randomness（状态转移随机性）Action randomness：上图表示行为随机性，例如对于一个agent来说，他向左的概率是0.2，向右的概率是0.1，向上的概率是0.7，因此行为有随机性。State transitions randomness：当agent执行一个action以后，此时会产生下一个state（状态），而这个状态具有随机性，不确定执行完该aciton以后会变成哪种状态
2025-10-13 10:20:11
522
原创 Transformer详解，从输入到输出，从训练到推理一一解读
输入训练：Decoder 输入真实前缀（Teacher Forcing）。推理：Decoder 输入上一步自己预测的结果（自回归）。并行性训练：整句目标已知，可用mask并行计算所有位置。推理：必须逐步生成，通常是顺序计算。
2025-09-21 17:11:14
1609
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人