Archives

RL笔记（29）：推理模型的崛起 (GRPO & PRM)

RL笔记（28）：大语言模型与强化学习 (LLM + RLHF)

Paper Reading: Embodied AI 2

RL笔记（27）：MARL 最后的波纹 (MAT & HASAC)

RL笔记（26）：异构智能体信任区域优化 (HAPPO & HATRPO)

Paper Reading: Embodied AI 1

RL笔记（25）：多智能体策略梯度 (MADDPG & MAPPO)

RL笔记（24）：超越单调性 (QTRAN, WQMIX, QPLEX)

RL笔记（23）：多智能体值分解 (VDN & QMIX)

RL笔记（22）：初入多智能体强化学习 (MARL)

RL笔记（21）：目标导向的强化学习 (Goal-Conditioned RL)

Paper Reading: LLM 1

Paper Reading: MLLM 1

Paper Reading: Unify MLLM 1

Paper Reading: LLM 2

Paper Reading: MLLM 2

Paper Reading: Unify MLLM 1

RL笔记（20）：Decision Transformer

RL笔记（19）：离线强化学习 (Offline RL)

RL笔记（18）：基于模型的策略优化 (MBPO)

Paper Reading: VLM 1

Paper Reading: VLM 2

Paper Reading: Basic Method 1

Paper Reading: MARL 1

RL笔记（17）：模型预测控制 (MPC)

Paper Reading: Embodied AI 3

Paper Reading: Embodied AI 4

Paper Reading: CV 1

RL笔记（16）：模仿学习 (Imitation Learning)

RL笔记（15）：SAC

RL笔记（14）：SQL

RL笔记（13）：DDPG

RL笔记（12）：PPO

RL笔记（11）：TRPO

RL笔记（10）：Actor-Critic

RL笔记（9）：REINFORCE

RL笔记（8）：DQN

RL笔记（7）：Dyna-Q

RL笔记（6）：时序差分

RL笔记（5）：蒙特卡洛

RL笔记（4）：动态规划

RL笔记（3）：马尔可夫决策过程

RL笔记（2）：多臂老虎机

RL笔记（1）：初入强化学习