一起来学强化学习
  1. [1999] [Options] Between MDPs and Semi-MDPs: A Framework for Temporal Abstraction in Reinforcement Learning
  2. [1999] [Policy Gradient] Policy Gradient Methods for Reinforcement Learning with Function Approximation
  3. [1999] [Actor-Critic] Actor-Critic Algorithms
  4. [2012] [OffPAC] Off-Policy Actor-Critic
  5. [2014] [DPG] Deterministic Policy Gradient Algorithms
  6. [2015] [GAE] High-Dimensional Continuous Control Using Generalized Advantage Estimation
  7. [2015] [DQN] Human-level control through deep reinforcement learning
  8. [2015] [Gorila DQN] Massively Parallel Methods for Deep Reinforcement Learning
  9. [2015] [Double DQN] Deep Reinforcement Learning with Double Q-learning
  10. [2015] [DDPG] Continuous control with deep reinforcement learning
  11. [2015] [TRPO] Trust Region Policy Optimization
  12. [2016] [A3C] Asynchronous Methods for Deep Reinforcement Learning
  13. [2016] [AlphaGo] Mastering the Game of Go with Deep Neural Networks and Tree Search
  14. [2017] [MADDPG] Multi-Agent Actor-Critic for Mixed Cooperative-Competitive Environments
  15. [2017] [Option-Critic] The Option-Critic Architecture
  16. [2017] [PPO] Proximal Policy Optimization Algorithms
  17. [2017] [AlphaGo Zero] Mastering the game of Go without human knowledge
  18. [2017] [CPO] Constrained Policy Optimization
  19. [2017] [Shielding] Safe Reinforcement Learning via Shielding
  20. [2018] [SAC] Soft Actor-Critic: Off-Policy Maximum Entropy Deep Reinforcement Learning with a Stochastic Actor
  21. [2018] [TD3] Addressing Function Approximation Error in Actor-Critic Methods
  22. [2018] [QT-Opt] QT-Opt: Scalable Deep Reinforcement Learning for Vision-Based Robotic Manipulation
  23. [2018] [BCQ] Off-Policy Deep Reinforcement Learning without Exploration
  24. [2020] [Offline RL] Offline Reinforcement Learning: Tutorial, Review, and Perspectives on Open Problems
  25. [2021] [RMA] RMA: Rapid Motor Adaptation for Legged Robots
  26. [2022] [InstructGPT] Training language models to follow instructions with human feedback
  27. [2023] [SWIM] Structured World Models from Human Videos
  28. [2023] [Safe RLHF] Safe RLHF: Safe Reinforcement Learning from Human Feedback
  29. [2024] [GRPO] DeepSeekMath: Pushing the Limits of Mathematical Reasoning in Open Language Models
  30. [2025] [self-improving-efms] Self-Improving Embodied Foundation Models
  31. [2025] [RECAP]π 0.6 ∗ π^∗_{0.6}π0.6∗​: a VLA That Learns From Experience
  32. [2026] [LATENT] Learning Athletic Humanoid Tennis Skills from Imperfect Human Motion Data

相关新闻

PSR原边反馈开关电源EMC设计实战:传导辐射整改与批量一致性控制

PSR原边反馈开关电源EMC设计实战:传导辐射整改与批量一致性控制

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/20 1:40:05 阅读更多 →
华为OD机试真题精讲:来自异国的客人(Python/Java/C++多语言实现)

华为OD机试真题精讲:来自异国的客人(Python/Java/C++多语言实现)

华为OD机试真题精讲:来自异国的客人(Python/Java/C++多语言实现) 一、题目描述(2025B卷高频100分题) 机场接待来自异国的客人,需要根据客人的语言能力和翻译的语种覆盖,计算最少需要安排的翻译人数。规则如下: 输入为: 客人数量n(正整数); 客人语言列表guests,每…

2026/10/20 1:40:05 阅读更多 →
别急着下载DLL修复工具:报错原因与官方排查命令指南

别急着下载DLL修复工具:报错原因与官方排查命令指南

你正在码字或调试程序,屏幕上突然弹出一条“缺少 xxx.dll,无法继续运行”的提示。我敢打赌,许多人第一反应就是打开搜索页输入“系统dll文件修复工具”,然后找个“一键修复”的绿色版下载。这个动作本身,往往是后续更大…

2026/10/20 1:39:05 阅读更多 →

最新新闻

LeetCode 每日一题 2026/10/12-2026/10/18

LeetCode 每日一题 2026/10/12-2026/10/18

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/20 2:16:26 阅读更多 →
用华为云码道 CodeArts 代码智能体 :你的硬盘没缩水,是 1.28 这个数计算机存不准

用华为云码道 CodeArts 代码智能体 :你的硬盘没缩水,是 1.28 这个数计算机存不准

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/20 2:16:26 阅读更多 →
第三章:GEM分析 3.3 CPU 视图:从 mmap offset 到 mmap

第三章:GEM分析 3.3 CPU 视图:从 mmap offset 到 mmap

本文是 drm_gem_object 三类访问视图中的第一类(三类视图的划分见 GEM 概述 4)。这一视图的访问方是用户态进程的 CPU,入口是对 DRM 设备 fd 的 mmap(2);对象内承载它的字段是 vma_node,对象外的协作者是设备级的 drm_…

2026/10/20 2:16:26 阅读更多 →
Vue集成高德地图实时定位全链路实践:坐标纠偏、兼容性与降级方案

Vue集成高德地图实时定位全链路实践:坐标纠偏、兼容性与降级方案

简介:本资源是一份轻量级 Vue 前端集成方案,面向 Web 开发初学者与中级前端工程师,解决在 Vue 项目中快速接入高德地图并实现用户实时定位的核心需求。资源包仅含 2 个关键文件(1 个 JS 封装脚本 1 个 Vue 组件)&…

2026/10/20 2:16:26 阅读更多 →
OpenCV虚拟键盘:面向残障用户的轻量级视觉交互方案

OpenCV虚拟键盘:面向残障用户的轻量级视觉交互方案

1. 这个“虚拟键盘”到底在解决什么真实问题?很多人看到“OpenCV 视频虚拟键盘”第一反应是:又一个炫技Demo?不敲实体键也能打字?听起来像实验室里的玩具。但我在带某高校人机交互课程时,连续三年观察到一个被反复忽略…

2026/10/20 2:16:26 阅读更多 →
从Java后端到AI Agent:3个月上岸大厂经验分享,小白也能收藏这份学习路线图

从Java后端到AI Agent:3个月上岸大厂经验分享,小白也能收藏这份学习路线图

本文分享了一位四年Java后端开发者转行Agent开发的完整经历,包括学习路径、面试准备和职场感悟。作者通过3个月系统学习,成功入职大厂AI Agent团队。文章强调Agent开发需要后端工程能力,如并发、系统设计等,并提供了六层学习框架和…

2026/10/20 2:15:25 阅读更多 →

日新闻

CLRC663芯片Pin-to-Pin替代实战:从评估到量产全记录

CLRC663芯片Pin-to-Pin替代实战:从评估到量产全记录

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/20 1:01:30 阅读更多 →
ESP32舵机控制指南:原理、多路驱动与避坑实战

ESP32舵机控制指南:原理、多路驱动与避坑实战

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/20 1:01:30 阅读更多 →
位移法实现一阶低通滤波:单片机ADC采样降噪实战

位移法实现一阶低通滤波:单片机ADC采样降噪实战

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/20 1:01:30 阅读更多 →

周新闻

基于GMM的语音识别系统原理与MATLAB实现详解

基于GMM的语音识别系统原理与MATLAB实现详解

说到基于高斯混合模型(GMM)的语音识别系统,很多人第一反应就是一堆数学公式,觉得门槛很高。但如果你真的在MATLAB里把它落地跑通,会发现核心其实就是三件事:把声音变成特征向量,用GMM给每个类别…

2026/10/19 10:02:04 阅读更多 →
数字图像处理入门:反白、灰度化、调色板修改与导出txt实践

数字图像处理入门:反白、灰度化、调色板修改与导出txt实践

数字图像处理这四个字听起来挺唬人,但落到具体操作上,无非就是让计算机按你的想法“摆弄”像素。我在一个模拟项目X里用了一套特别经典的基础处理流程:对图像做反白、改调色板、彩色转灰度,最后把像素数据导出成txt文件。单看每一…

2026/10/19 17:32:41 阅读更多 →
机器人大脑技术盘点:具身智能的感知、决策与数据闭环

机器人大脑技术盘点:具身智能的感知、决策与数据闭环

如果你的信息流最近也天天刷到“机器人大脑”这个词,你会发现一个很有意思的现象:每个人说的“大脑”根本不是同一个东西。有人指的是大语言模型,有人指的是运动控制系统,还有人指的是能理解物理世界的端到端模型。在2026年这个时…

2026/10/19 1:30:52 阅读更多 →

月新闻

我发现了一个新思路:用 Remotion + Claude Code 像写代码一样自动化生成短视频

我发现了一个新思路:用 Remotion + Claude Code 像写代码一样自动化生成短视频

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/19 2:54:50 阅读更多 →
Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式:TaoToken 统一 Key 配置与验证

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式:TaoToken 统一 Key 配置与验证

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/19 9:10:22 阅读更多 →
黑夜航拍船只数据集训练YOLOV5模型全流程解析

黑夜航拍船只数据集训练YOLOV5模型全流程解析

/* MD / 富文本中的 .toc(含博客园搬家等嵌套结构);.toc-box 在侧栏,不受影响 */#content_views .toc,/* 编辑器常在目录前后插入空 p(:empty 仍占 20px),一并去掉避免顶空隙 */#content_views.markdown_views > p:empty:has(+ .toc),#content_views.markdown_views …

2026/10/18 12:16:16 阅读更多 →