Page 3 - Showing 15 of 126 posts
View all posts by years →
-
Paper Reading: Unify MLLM浅浅尝试读一下Unify MLLM。
6 min read -
周记 Week432025-04-21 ~ 2025-04-27.
4 min read -
周记 Week422025-04-14 ~ 2025-04-20.
4 min read -
RL 学习笔记（14）：基于人类反馈的强化学习 (RLHF)基于人类反馈的强化学习 (RLHF)
10 min read -
周记 Week412025-04-07 ~ 2025-04-13.
4 min read -
RL 学习笔记（13）：近端策略优化 (PPO)近端策略优化 (PPO)
10 min read -
RL 学习笔记（12）：置信域策略优化置信域策略优化
11 min read -
RL 学习笔记（11）：Actor-Critic 方法Actor-Critic 方法
11 min read -
RL 学习笔记（10）：策略梯度方法策略梯度方法
12 min read -
RL 学习笔记（9）：集成规划与学习集成规划与学习
12 min read -
RL 学习笔记（8）：n 步自举法n 步自举法
12 min read -
RL 学习笔记（7）：Q 学习、DQN 及相关改进Q 学习
17 min read -
RL 学习笔记（6）：时序差分学习时序差分学习
13 min read -
RL 学习笔记（5）：蒙特卡洛方法蒙特卡洛方法
21 min read -
RL 学习笔记（4）：动态规划动态规划
19 min read