<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[zrlblution的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/zrlblution</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; zrlblution]]></copyright><item><title><![CDATA[全网最详细王树森强化学习公开课笔记+心得（前四节课）]]></title><link>https://blog.youkuaiyun.com/zrlblution/article/details/153181558</link><guid>https://blog.youkuaiyun.com/zrlblution/article/details/153181558</guid><author>zrlblution</author><pubDate>Mon, 13 Oct 2025 10:20:11 +0800</pubDate><description><![CDATA[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]]></description><category></category></item><item><title><![CDATA[Transformer详解，从输入到输出，从训练到推理一一解读]]></title><link>https://blog.youkuaiyun.com/zrlblution/article/details/151931031</link><guid>https://blog.youkuaiyun.com/zrlblution/article/details/151931031</guid><author>zrlblution</author><pubDate>Sun, 21 Sep 2025 17:11:14 +0800</pubDate><description><![CDATA[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。]]></description><category></category></item></channel></rss>